MADRID, 5 de enero (Portaltic/EP) – Los investigadores de Google DeepMind han compartido los avances que han logrado en el campo de la robótica, con tres nuevos sistemas diseñados para ayudar a los robots a comprender mejor las tareas y realizarlas de manera precisa, eficiente y segura basándose en una constitución inspirada en las leyes de la robótica de Isaac Asimov. . Google DeepMind construyó su operación de robótica avanzada alrededor de una estructura específica inspirada en parte en las ‘Tres Leyes de la Robótica’, sobre las cuales el escritor Isaac Asimov escribió en su historia ‘Runaround’, con especial énfasis en el hecho de que el robot no dañará a los humanos.
. Ser. Esta estructura de robot incluye un conjunto de instrucciones de seguridad que se deben seguir a la hora de elegir las tareas del robot, tal y como explican los investigadores en una nueva entrada en su blog oficial.
Por ejemplo, ningún robot puede realizar tareas que involucren a humanos, animales, objetos punzantes o equipos eléctricos. Sin embargo, debido a que estos principios por sí solos no garantizan la seguridad, los investigadores de Google DeepMind han desarrollado tres sistemas que ayudan a los robots a tomar decisiones más rápidas y comprender y navegar mejor en sus entornos. AutoRT es uno de esos sistemas.
Con él, se combinan grandes modelos subyacentes, ya sean lingüísticos, visuales o controlables, para recopilar datos de entrenamiento en entornos reales para crear robots capaces de comprender los objetivos del mundo real del ser humano. Según los investigadores, este sistema puede coordinar de forma segura hasta 20 robots simultáneamente y hasta 52 robots únicos en total. Gracias a ello, se realizaron 77.000 pruebas de robots en 6.650 tareas distintas.
Otro sistema es la Atención Robótica Autoadaptable para Transformadores Robóticos (SARA-RT), que utiliza una arquitectura de red neuronal en la etapa final de control del sistema para transformar los transformadores de robots en modelos más eficientes, es decir, permitir que el robot realice sus tareas con mayor precisión. y rápido. La ventaja de SARA-RT, como explican los investigadores, radica en un método de ajuste del modelo llamado entrenamiento ascendente, que reduce las necesidades computacionales en el entrenamiento al aumentar la velocidad del modelo original.
Finalmente, también desarrollaron el modelo RT-Trajectory, que tiene como objetivo mejorar el rendimiento del robot al realizar tareas basándose en vídeos de entrenamiento. Específicamente, les ayuda a interpretar movimientos específicos y crea trayectorias bidimensionales que les ayudan a planificar la ejecución de tareas. Con estos tres sistemas, Google DeepMind sostiene que pueden ayudar a crear robots cada vez más eficientes y útiles, al mismo tiempo que enfrentan los desafíos actuales de la robótica y se adaptan a nuevas capacidades y tecnologías nuevas en la industria de la robótica más avanzada.
