Google presenta la 'Constitución del Robot' para mejorar la toma de decisiones de los droides de IA
- La 'Constitución Robótica' de Google mejora la seguridad y la toma de decisiones de los robots impulsados por IA.
- El sistema AutoRT combina Modelos Visuales y de Lenguaje Grande para potenciar las capacidades robóticas.
- SARA-RT revoluciona la eficiencia, con un aumento del 10,6% en precisión en robótica.
En un movimiento innovador, el equipo de robótica de DeepMind de Google ha introducido tres avances significativos destinados a mejorar las capacidades de toma de decisiones de los robots que operan en entornos exteriores. Entre estas innovaciones se encuentra un sistema único para recopilar datos de entrenamiento, acompañado de lo que Google llama una "Constitución del Robot". Se espera que este desarrollo permita a los robots tomar decisiones más rápidas, inteligentes y seguras mientras trabajan junto a los humanos.
AutoRT: Un sistema avanzado de recopilación de datos
AutoRT de DeepMind es un sistema de recopilación de datos de última generación diseñado para dotar a los robots de la capacidad de comprender su entorno, adaptarse a nuevas situaciones y seleccionar las tareas más adecuadas. Aprovecha tanto un Modelo de Lenguaje Visual (VLM) como un Modelo de Lenguaje Grande (LLM) trabajando en armonía.
El VLM es responsable de percibir el entorno del robot e identificar los objetos visibles. Mientras tanto, el LLM actúa como tomador de decisiones, sugiriendo tareas que el robot puede realizar. Este enfoque de doble modelo permite a los robots tomar decisiones informadas y navegar por su entorno con mayor eficiencia.
Inspirado en las 'Tres Leyes de la Robótica' de Asimov
La Constitución del Robot, inspirada en las "Tres Leyes de la Robótica" del visionario escritor de ciencia ficción Isaac Asimov, funciona como un conjunto de pautas de seguridad para los robots impulsados por IA. Esta constitución instruye al LLM para evitar tareas que involucren humanos, animales, objetos afilados y electrodomésticos, garantizando la seguridad tanto de los robots como de sus contrapartes humanas.
Medidas de seguridad mejoradas
DeepMind ha tomado precauciones adicionales para mejorar la seguridad de estos robots. Si la fuerza en las articulaciones de un robot supera un límite predeterminado, se detendrá automáticamente. Además, hay un interruptor de apagado físico disponible para los operadores humanos, lo que les permite desactivar los robots cuando sea necesario, proporcionando una capa adicional de seguridad.
Pruebas e implementación en el mundo real
En un período de solo siete meses, Google desplegó con éxito cincuenta y tres robots AutoRT en cuatro edificios de oficinas. Durante este tiempo, realizaron más de setenta y siete mil ensayos para probar las capacidades de los robots. Algunos de estos robots fueron controlados remotamente por operadores humanos, mientras que otros siguieron guiones predefinidos o operaron de forma autónoma utilizando el modelo de aprendizaje de IA Robotic Transformer (RT-2) de Google.
Cabe destacar que estos robots tienen un aspecto práctico, con una cámara, un brazo robótico y una base móvil. El Modelo de Lenguaje Visual (VLM) es fundamental para ayudarlos a comprender su entorno e identificar objetos, mientras que el Modelo de Lenguaje Grande (LLM) asiste en la toma de decisiones, asegurando que los robots realicen tareas de manera efectiva y segura.
Presentando SARA-RT: Un avance en eficiencia
Uno de los avances más significativos en este esfuerzo es la introducción de la Atención Robusta Autoadaptativa para Transformadores de Robótica (SARA-RT). Este sistema ha sido desarrollado para optimizar los modelos de Transformadores de Robótica (RT), haciéndolos más eficientes en aplicaciones del mundo real.
La arquitectura de red neuronal RT, que jugó un papel fundamental en los últimos avances en sistemas de control robótico, especialmente en el modelo de vanguardia RT-2, ha experimentado mejoras notables. Los modelos SARA-RT-2 de mejor rendimiento han demostrado una mejora notable del 10,6 % en precisión y un aumento del 14 % en velocidad en comparación con sus contrapartes RT-2, todo ello utilizando un historial conciso de imágenes como entrada.
Un cambio de juego para la eficiencia robótica
La introducción de SARA-RT está siendo aclamada como un cambio de juego en el campo de la robótica. Representa el primer mecanismo de atención escalable que mejora significativamente la eficiencia computacional sin comprometer la calidad de la toma de decisiones. Este desarrollo está destinado a revolucionar la forma en que los robots operan en escenarios del mundo real, haciéndolos más capaces, eficientes y seguros.
Los recientes avances del equipo de robótica de DeepMind de Google en robótica impulsada por IA, incluida la introducción de una "Constitución del Robot" y el sistema innovador SARA-RT, marcan un salto significativo hacia adelante en el mundo de la robótica. Se espera que estas innovaciones mejoren las capacidades de toma de decisiones de los robots en entornos exteriores, haciéndolos más inteligentes, seguros y eficientes. Con pruebas en el mundo real y resultados impresionantes, el compromiso de Google con el avance del campo de la robótica es evidente, prometiendo un futuro donde los robots y los humanos puedan colaborar de manera fluida y segura.
No te limites a leer noticias sobre criptomonedas. Entiéndelas. Suscríbete a nuestro boletín. Es gratis.
Aviso de responsabilidad. La información proporcionada no es un consejo de trading. Cryptopolitan.com no asumimos responsabilidad alguna por las inversiones realizadas basándose en la información proporcionada en esta página. Recomendamos encarecidamente la investigación independiente y/o la consulta con un profesional calificado antes de tomar cualquier decisión de inversión.
Editah Patrick
Editah es una analista fintech versátil con un profundo conocimiento de los dominios blockchain. Tanto si la tecnología la fascina, encuentra fascinante la intersección entre tecnología y finanzas. Su interés particular en las billeteras digitales y blockchain beneficia a su audiencia.
