Google DeepMind imeonyesha mbinu ya mafunzo ya roboti ambapo muundo wake wa Gemini 4 Argon hujifunza kazi ya kimwili kwa kutazama video ya kawaida, kisha kuhamisha tabia iliyojifunza kwa roboti halisi ya humanoid. Katika onyesho hilo, lililochapishwa pamoja na uzinduzi wa mtindo huo, Apollo humanoid iliyojengwa na Apptronik ilitazama picha za mtu akicheza cornhole - na kisha ikapiga picha saba mfululizo katika jaribio la ulimwengu halisi, kulingana na Robotics & Automation News.
Kutoka kwa Video Ghafi hadi Roboti Halisi For more context on this story, see our ongoing breaking AI news.
Onyesho lililenga jaribio moja la ndani. Argon alionyeshwa video mbichi ya binadamu akicheza shimo la pembeni, mchezo wa kurusha nyuma ya nyumba. Kisha modeli ilichanganua mazingira, ikapanga viwianishi vyake vya anga, na kukokotoa mienendo ya pamoja ya mwili mzima inayohitajika ili kuzalisha kazi tena kwenye jukwaa la humanoid.
Hatua mashuhuri ndiyo iliyofuata: badala ya kutegemea wahandisi kuunda simulizi ya fizikia kwa mkono, Argon ilijitengenezea msimbo wa simulizi yenyewe. Tabia ya kujifunza ilihamishwa kutoka kwa uigaji huo wa kibinafsi hadi Apollo humanoid ya Apptronik, ambayo iliitekeleza katika ulimwengu wa kimwili.
Kulingana na Google DeepMind, Apollo baadaye alipiga risasi saba za moja kwa moja wakati wa jaribio la ulimwengu halisi - kukimbia safi kwa kazi ambayo inahitaji roboti kuratibu usawa, mwelekeo wa mkono, na wakati wa kutolewa.
Wiki za Kazi ya Kuiga Zimebanwa Kuwa Saa
Google DeepMind inaelezea mbinu hiyo kama bomba la "Video-to-Sim-to-Real", na sauti inahusu wakati wa uhandisi kama vile uwezo.
"Bomba hili la 'Video-to-Sim-to-Real' linabana wiki za uigaji wa kielelezo kwa mikono kwa saa chache, na kubadilisha video za kawaida kuwa uwanja wa mafunzo usio na kikomo wa robotiki," kampuni hiyo ilisema, kulingana na Robotics & Automation News.
Kijadi, kufundisha roboti ujuzi mpya wa kimwili kupitia simulizi kumehitaji wataalamu kuiga mazingira, fizikia ya kifaa na mwili wa roboti kwa mkono - mchakato unaopimwa kwa wiki kwa kila kazi mpya. Iwapo video inaweza kuchukua nafasi ya uundaji huo wa mikono, kizuizi cha kufundisha roboti ujuzi mpya hubadilika kutoka kazi ya uhandisi hadi upatikanaji wa picha za maonyesho, ambazo hazina kikomo kwenye mtandao.
Kinachofanya Video-to-Sim-to-Real Tofauti
Mabomba mengi ya roboti katika tasnia hutumia mojawapo ya njia mbili: uendeshaji wa simu, ambapo wanadamu huonyesha wenyewe kazi ambazo roboti huiga, au mafunzo ya uigaji, ambapo wahandisi huunda kwa mikono mazingira ya mtandaoni ambamo sera za udhibiti hufanya mazoezi ya mamilioni ya marudio kabla ya kutumwa. Zote mbili zinafanya kazi, na zote mbili ni duni - utendakazi wa telefone ni wa nguvu kazi kubwa kwa kila kazi, na uigaji wa kuigwa ni wa kazi kubwa kwa kila mazingira.
Onyesho la cornhole linalenga kizuizi cha pili. Katika akaunti ya DeepMind ya jaribio hilo, hakuna mhandisi aliyejenga mazingira ya shimo la pembeni: Argon alitumia video mbichi, akatafsiri mpangilio wa anga wa eneo la tukio, akatayarisha mielekeo ya viungo vya mwili mzima ambayo kurusha inavyohitajika, na kuandika msimbo wa simulizi yenyewe. Jukumu la mwanadamu katika kitanzi, kwa kweli, lilipunguzwa hadi kuwa na picha ya mtu anayecheza mchezo huo.
Cornhole ni kesi ya majaribio iliyochaguliwa vyema kimakusudi. Inaonekana ni jambo dogo, lakini kutua kwa mkoba wa maharagwe kwenye lengo lililoinuliwa hudai haswa mchanganyiko wa roboti za humanoid hupata ugumu: usawa thabiti wa mwili mzima wakati wa kufunga, mienendo mizuri ya mkono, kutolewa kwa wakati, na uvumilivu kwa balestiki ya projectile iliyolegea. Mafanikio saba mfululizo katika ulimwengu wa kweli yanaonyesha kuwa sera iliyohamishwa ilikuwa thabiti badala ya bahati, ingawa jaribio moja la ndani ni msingi finyu wa ushahidi.
Yaliyojumuishwa Matokeo ya Kiwango cha Kusababu
Kando ya onyesho la cornhole, DeepMind ilijaribu Argon kwenye Embodied Resoning benchmark (ERQA), ambayo hupima uwezo wa modeli wa kufikiria kuhusu matatizo ya kimwili na anga katika mazingira ya 3D. Kampuni hiyo inasema Argon ilipata alama ya 87% kwenye benchmark.
Mawazo ya kimwili na anga yanaonekana sana kama mojawapo ya mapungufu yanayotenganisha modeli za lugha za mipakani kutoka kwa mifumo inayoweza kufanya kazi kwa manufaa katika ulimwengu wa kimwili, ndiyo maana alama za robotiki kama ERQA zimevutia uangalizi zaidi kutoka kwa maabara kuu.
Sehemu ya Uzinduzi wa Agoni 4 wa Gemini
Kazi ya roboti ni programu moja katika uzinduzi mpana. Google inaweka Gemini 4 Argon kama kielelezo cha mpaka kinachochanganya mawazo ya kuona-semantic, uelewaji wa kimwili, na uzalishaji wa msimbo unaojiendesha, unaolenga uhandisi, sayansi, usimbaji na kazi changamano za biashara. Kampuni hiyo inasema tayari imetumia kielelezo hicho ndani ya miradi kuanzia kuboresha misingi mikuu ya programu hadi kompyuta ya quantum, muunganisho wa nyuklia, na utafiti wa sayansi ya maisha.
Muundo huu unapatikana kupitia bidhaa za Google za AI na API ya Gemini, huku onyesho la robotiki likiwasilishwa kama ushahidi wa uelewa wa kimwili wa modeli badala ya bidhaa ya usafirishaji kwa waendeshaji roboti.
Kwa nini Ni Muhimu kwa Sekta ya Humanoid
Kwa sekta inayokua ya roboti za humanoid - ambapo Apptronik ni mmoja wa wachezaji mashuhuri - matokeo yanaelekeza kwenye pendekezo maalum la thamani la muda unaokaribia: miundo ya AI ya madhumuni ya jumla ambayo inaweza kubadilisha video tulivu kuwa uigaji unaoweza kufunzwa inaweza kupunguza kwa kiasi kikubwa gharama ya kufundisha roboti kazi mpya, kikwazo kikuu kati ya maonyesho ya kisasa ya kuvutia na uwekaji muhimu kiuchumi kwa kiwango.
Uundaji wa DeepMind mwenyewe unasisitiza jambo sawa. Maonyesho hayo, kampuni inasema, yanaonyesha jinsi mifano ya madhumuni ya jumla inaweza kupunguza kiwango cha uhandisi wa mwongozo unaohitajika kufundisha roboti ujuzi mpya wa kimwili.
Picha saba za pembe za pembe hazitasogeza vifurushi kwenye ghala. Lakini bomba lililowazalisha - tazama video, kuelewa fizikia, kuandika simulation, uhamisho wa vifaa - ni sehemu ambayo makampuni ya robotiki, na wawekezaji wao, watakuwa wakitazama.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
