Google enthüllt „Roboter-Verfassung“ zur Verbesserung der Entscheidungsfindung von AI-Droiden
- Die „Roboterkonstitution“ von Google verbessert die Sicherheit und Entscheidungsfindung für KI-gestützte Roboter.
- Das AutoRT-System kombiniert visuelle Modelle und Large Language Models, um die Fähigkeiten von Robotern zu verbessern.
- SARA-RT revolutioniert die Effizienz mit einer Genauigkeitssteigerung von 10,6 % in der Robotik.
In einem bahnbrechenden Schritt hat das DeepMind-Roboterteam von Google drei bedeutende Neuerungen vorgestellt, die darauf abzielen, die Entscheidungsfähigkeiten von Robotern in Außenbereichen zu verbessern. Zu diesen Innovationen gehört ein einzigartiges System zur Datenerstellung für Trainingszwecke sowie das, was Google als „Roboterverfassung
AutoRT: Ein fortschrittliches System zur Datenerfassung
DeepMinds AutoRT ist ein hochmodernes System zur Datenerfassung, das Roboter befähigt, ihre Umgebung zu verstehen, sich an neue Situationen anzupassen und die geeignetsten Aufgaben auszuwählen. Es nutzt dabei harmonisch sowohl ein Visual Language Model (VLM) als auch ein Large Language Model (LLM).
Das VLM ist für die Wahrnehmung der Umgebung des Roboters und die Identifizierung sichtbarer Objekte verantwortlich. Gleichzeitig fungiert das LLM als Entscheidungsträger, der Aufgaben vorschlägt, die der Roboter ausführen kann. Dieser Dual-Modell-Ansatz ermöglicht es Robotern, fundierte Entscheidungen zu treffen und ihre Umgebung effizienter zu navigieren.
Inspiriert von Asimovs ‚Drei Gesetzen der Robotik'
Die Roboterverfassung, inspiriert vom visionären Science-Fiction-Autor Isaac Asimovs ‚Drei Gesetzen der Robotik', dient als Satz von Sicherheitsrichtlinien für KI-gestützte Roboter. Diese Verfassung weist das LLM an, Aufgaben zu vermeiden, die Menschen, Tiere, scharfe Gegenstände oder elektrische Geräte betreffen, um die Sicherheit sowohl der Roboter als auch ihrer menschlichen Begleiter zu gewährleisten.
Erweiterte Sicherheitsmaßnahmen
DeepMind hat zusätzliche Vorsichtsmaßnahmen ergriffen, um die Sicherheit dieser Roboter zu erhöhen. Wenn die Kraft in den Gelenken eines Roboters einen vordefinierten Grenzwert überschreitet, kommt er automatisch zum Stillstand. Darüber hinaus steht ein physischer Not-Aus-Schalter für menschliche Operatoren zur Verfügung, mit dem sie die Roboter bei Bedarf deaktivieren können, was eine zusätzliche Sicherheitsebene bietet.
Tests und Implementierung in der realen Welt
In nur sieben Monaten hat Google erfolgreich fünfzig-three AutoRT-Roboter in vier Bürogebäuden eingesetzt. Während dieser Zeit wurden über siebundsiebzigtausend Tests durchgeführt, um die Fähigkeiten der Roboter zu prüfen. Einige dieser Roboter wurden von menschlichen Operatoren ferngesteuert, während andere vordefinierten Skripten folgten oder autonom mit dem KI-Lernmodell Robotic Transformer (RT-2) von Google operierten.
Besonders hervorzuheben ist das praktische Design dieser Roboter: Sie verfügen über eine Kamera, einen Roboterarm und ein mobiles Chassis. Das Visual Language Model (VLM) unterstützt sie dabei, ihre Umgebung zu verstehen und Objekte zu identifizieren, während das Large Language Model (LLM) bei Entscheidungsprozessen hilft, um sicherzustellen, dass die Roboter Aufgaben effektiv und sicher ausführen.
SARA-RT vorgestellt: Ein Durchbruch in puncto Effizienz
Eine der bedeutendsten Errungenschaften dieses Vorhabens ist die Einführung von Self-Adaptive Robust Attention for Robotics Transformers (SARA-RT). Dieses System wurde entwickelt, um Robotics Transformer (RT)-Modelle zu optimieren und sie für den Einsatz in realen Anwendungen effizienter zu machen.
Die RT-Neural-Network-Architektur, die eine Schlüsselrolle bei den neuesten Fortschritten in robotischen Steuerungssystemen spielte, insbesondere beim hochmodellen RT-2-Modell, hat bemerkenswerte Verbesserungen erfahren. Die leistungsstärksten SARA-RT-2-Modelle zeigten im Vergleich zu ihren RT-2-Pendants eine Genauigkeitssteigerung von 10,6 Prozent und eine Geschwindigkeitszunahme von 14 Prozent, und das alles unter Verwendung einer kompakten Bildhistorie als Eingabe.
Ein Wendepunkt für die Effizienz der Robotik
Die Einführung von SARA-RT wird als Wendepunkt in der Robotik gefeiert. Sie stellt den ersten skalierbaren Aufmerksamkeitsmechanismus dar, der die Rechenleistung erheblich verbessert, ohne die Qualität der Entscheidungsfindung zu beeinträchtigen. Diese Entwicklung wird die Art und Weise, wie Roboter in realen Szenarien agieren, revolutionieren und sie leistungsfähiger, effizienter und sicherer machen.
Das jüngste Fortschritt des DeepMind-Robotikteams von Google im Bereich der KI-gesteuerten Robotik, einschließlich der Einführung einer „Roboterkonstitution
Wenn Sie dies lesen, sind Sie bereits einen Schritt voraus. Bleiben Sie mit unserem Newsletter auf dem Laufenden.
Haftungsausschluss. Die bereitgestellten Informationen stellen keine Anlageberatung dar. Cryptopolitan.com Wir übernehmen keine Haftung für Investitionen, die auf den auf dieser Seite bereitgestellten Informationen basieren. Wir empfehlen dringend, vor jeglichen Anlageentscheidungen eine unabhängige Recherche durchzuführen und/oder einen qualifizierten Fachmann zu konsultieren.
Editah Patrick
Editah ist eine vielseitige Fintech-Analystin mit fundiertem Verständnis für Blockchain-Bereiche. Während sie von Technologie fasziniert ist, findet sie die Schnittstelle zwischen Technologie und Finanzen besonders spannend. Ihr besonderes Interesse an digitalen Wallets und Blockchain kommt ihrem Publikum zugute.
