Me aftësinë e tij për të kuptuar dhe përpunuar tekstin dhe imazhet nga uebi, RT-2 i mëson robotët të kryejnë veprime specifike dhe të përshtaten me skenarët e rinj, duke ofruar një pamje premtuese në të ardhmen e robotikës.

Për vite të tëra, njerëzit kanë ëndërruar për një të ardhme ku robotët luajnë një rol të rëndësishëm për të ndihmuar njerëzit me detyra të ndryshme. Tani, ajo e ardhme është më afër se kurrë, pasi Google ka prezantuar Robotics Transformer 2 ose RT-2, një model novator i inteligjencës artificiale i krijuar për të trajnuar robotët për të kryer veprime në botën reale si hedhja e plehrave. Ky model inovativ përfaqëson një hap të rëndësishëm përpara në zhvillimin e robotëve të dobishëm dhe të adaptueshëm.

Ndryshe nga chatbot-et që janë bërë të njohur për ne, robotët kërkojnë një kuptim më të thellë të botës reale dhe aftësinë për të trajtuar situata komplekse dhe të panjohura. Google thotë se mësimi i robotëve për të kryer detyra të përgjithshme ka qenë një proces që kërkon kohë dhe i kushtueshëm, duke përfshirë trajnime të gjera për sasi të mëdha pikash të dhënash nëpër objekte, mjedise dhe skenarë të panumërt.

Me lançimin e RT-2, Google ka gjetur një qasje të re për të adresuar këto sfida. RT-2 është një model vizion-gjuhë-veprim (VLA), i bazuar në arkitekturën Transformer, i cili mund të kuptojë dhe përpunojë tekstin dhe imazhet nga ueb. Ashtu si modelet e gjuhës mësojnë nga të dhënat e internetit për të kuptuar konceptet, RT-2 e transferon këtë njohuri për të udhëzuar robotët se si të kryejnë veprime specifike.

Fuqia kryesore e RT-2 qëndron në aftësinë e tij për të folur "robot". Ai u mundëson robotëve të arsyetojnë dhe të marrin vendime bazuar në të dhënat e tyre të trajnimit, duke i lejuar ata të njohin objektet në kontekst dhe të kuptojnë se si të ndërveprojnë me to. Për shembull, RT-2 mund të identifikojë dhe të mbledhë mbeturina pa trajnime të gjera për atë detyrë specifike. Ai e kupton natyrën abstrakte të plehrave, duke pranuar se ajo që dikur ishte një qese patatinash ose një lëvozhgë bananeje bëhet plehra pas përdorimit.

Sistemet e mëparshme robotike kërkonin grupe komplekse sistemesh, ku arsyetimi i nivelit të lartë dhe manipulimi i nivelit të ulët duhej të komunikonin për të kontrolluar veprimet e robotit. RT-2 eliminon këtë kompleksitet duke konsoliduar detyrat në një model të vetëm. Si rezultat, modeli mund të kryejë arsyetim të ndërlikuar dhe të nxjerrë drejtpërdrejt veprimet e robotit, duke thjeshtuar procesin e vendimmarrjes së robotit.

Pas testimit të RT-2 në mbi 6000 prova robotike, ekipi i Google gjeti rezultate të jashtëzakonshme. Në detyrat për të cilat modeli ishte trajnuar (të njohura si detyrat "të shikuara"), RT-2 kreu njësoj si paraardhësi i tij, RT-1. Megjithatë, performanca e tij në skenarë të rinj e të paparë u përmirësua në mënyrë dramatike, gati duke u dyfishuar në 62 për qind krahasuar me 32 për qind të RT-1.

Robotët e pajisur me RT-2 mund të përshtaten shpejt me situatat dhe mjediset e reja, ashtu si mësojnë njerëzit duke transferuar koncepte në skenarë të rinj. Ndërsa ka ende punë për të bërë për të mundësuar plotësisht robotët në mjedise me në qendër njeriun, RT-2 ofron një paraqitje premtuese të asaj që ka përpara në robotikë.