Rövid videóból tanul új feladatokat a Generalist AI robotja
A Cambridge-i demonstráción a robot improvizált: seprű hiányában portörlőt használt, és pénztárcából váltott karral vett ki bankjegyet. Pete Florence, a cég vezérigazgatója a GPT-3-as izgalomhoz hasonlította a technológiát.
A Generalist AI új módszerével a robotok képesek új feladatokat elsajátítani pusztán egy rövid oktatóvideó megtekintése után, specifikus betanítás nélkül. A cég Cambridge-i irodájában a robotkarok csészék és építőkockák mozgatását végezték el, de a demonstrációk ennél jóval lenyűgözőbbek voltak. (Wired)
Egyik esetben a robotnak egy portörlővel és egy seprűvel kellett egy kockát egy tálba söpörnie. Amikor a seprűt eltávolították, a robot improvizált: a portörlőt használta seprűként, és így juttatta a kockát a tálba. Egy másik példában egy kétkarú robot egy pénztárca felnyitásáról szóló videót nézett meg, majd maga is kinyitott egy másik pénztárcát és óvatosan kivette a bankjegyeket. Amikor nem tudta megragadni a pénzt, a jobb karjáról a bal karjára váltott, hogy jobb szögben támadhasson.
Adatgyűjtés és fejlesztői háttér
Florence és Andrew Barry társalapító, valamint Andy Zeng, a cég másik társalapítója és vezető kutatója korábban a Google DeepMind és a Boston Dynamics csapatában dolgozott. Hagyományosan egy AI-vezérelt robot betanítása sok ezer példát igényel, ami tökéletlen tanulási forma. A Generalist AI speciális, kamerákkal felszerelt, kesztyűszerű markolatokat használ, amelyeket emberek viselnek különböző feladatok végrehajtásához. A cég több száz ilyen markolatot gyűjtött össze munkatársai számára Mexikóban és másutt.
Teljesítmény és korlátok
A Generalist AI a modelleket a nulláról építette fel, nem támaszkodva nyílt forráskódú nyelvi modellekre. Danfei Xu, a Georgia Tech robotikusa szerint a startup kiemelkedik a több általános robotmodellt célzó cégek közül. „Extrém módon eltolták ezt, és nagyon jól kivitelezték” — mondta Xu. A cég már hatalmas mennyiségű, kiváló minőségű képzési adatot gyűjtött össze. Karen Liu, a Stanford Egyetem robotikusa szerint a Generalist AI adatközpontú megközelítése nagy léptékben gyűjt fizikai interakciós adatokat, anélkül, hogy azt egyetlen robotprogramhoz kötné.
A Generalist AI szerint modelljeik tanulási képességei még nem teljesen megbízhatóak. Egy robot átlagosan csak az esetek 59 százalékában képes befejezni egy neki megmutatott feladatot; ideális esetben ez az arány meghaladná a 99 százalékot. Azt sem teljesen világos, hogy ezek a készségek mennyire általánosíthatók minden elképzelhető feladatra vagy helyzetre. Egy mérnökük nemrég egy kétkarú robotot figyelt, amely váratlanul elkezdett csészéket egymásra pakolni, miután a mérnök elkezdte azt demonstrálni.