Google dévoile une « Constitution Robotique » pour améliorer la prise de décision des droides IA

Dans un mouvement révolutionnaire, l'équipe de robotique DeepMind de Google a introduit trois avancées majeures visant à améliorer les capacités de prise de décision des robots opérant dans des environnements extérieurs. Parmi ces innovations figure un système unique de collecte de données d'entraînement, accompagné de ce que Google appelle une « Constitution Robotique ». Ce développement devrait permettre aux robots de prendre des décisions plus rapides, plus intelligentes et plus sûres tout en travaillant aux côtés des humains.

AutoRT : Un système de collecte de données avancé

AutoRT de DeepMind est un système de collecte de données de pointe conçu pour doter les robots de la capacité de comprendre leur environnement, de s'adapter à de nouvelles situations et de sélectionner les tâches les plus appropriées. Il s'appuie à la fois sur un Modèle de Langage Visuel (VLM) et un Grand Modèle de Langage (LLM) travaillant en harmonie.

Le VLM est responsable de la perception de l'environnement du robot et de l'identification des objets visibles. Pendant ce temps, le LLM sert de décideur, suggérant les tâches que le robot peut effectuer. Cette approche à double modèle permet aux robots de prendre des choix éclairés et de naviguer dans leur environnement plus efficacement.

Inspiré par les « Trois Lois de la Robotique » d'Asimov

La Constitution Robotique, inspirée des « Trois Lois de la Robotique » de l'écrivain de science-fiction visionnaire Isaac Asimov, fonctionne comme un ensemble de directives de sécurité pour les robots alimentés par l'IA. Cette constitution instruit le LLM d'éviter les tâches impliquant des humains, des animaux, des objets tranchants et des appareils électriques, assurant la sécurité des robots et de leurs homologues humains.

Mesures de sécurité renforcées

DeepMind a pris des précautions supplémentaires pour améliorer la sécurité de ces robots. Si la force sur les articulations d'un robot dépasse une limite prédéterminée, il s'arrêtera automatiquement. De plus, un interrupteur d'arrêt d'urgence physique est disponible pour les opérateurs humains, leur permettant de désactiver les robots si nécessaire, fournissant une couche de sécurité supplémentaire.

Tests et mise en œuvre en conditions réelles

En l'espace de sept mois seulement, Google a déployé avec succès cinquante-trois robots AutoRT dans quatre bâtiments de bureaux. Pendant ce temps, ils ont effectué plus de soixante-dix-sept mille essais pour tester les capacités des robots. Certains de ces robots étaient télécommandés par des opérateurs humains, tandis que d'autres suivaient des scripts prédéfinis ou fonctionnaient de manière autonome en utilisant le modèle d'apprentissage IA Robotic Transformer (RT-2) de Google.

Il est à noter que ces robots ont une apparence pratique, dotés d'une caméra, d'un bras robotique et d'une base mobile. Le Modèle de Langage Visuel (VLM) est instrumental pour les aider à comprendre leur environnement et à identifier les objets, tandis que le Grand Modèle de Langage (LLM) assiste dans la prise de décision, garantissant que les robots effectuent des tâches efficacement et en toute sécurité.

Présentation de SARA-RT : Une avancée en matière d'efficacité

L'une des avancées les plus significatives dans cet effort est l'introduction de l'Attention Robuste Auto-Adaptative pour les Transformateurs Robotiques (SARA-RT). Ce système a été développé pour optimiser les modèles de Transformateurs Robotiques (RT), les rendant plus efficaces dans les applications réelles.

L'architecture de réseau neuronal RT, qui a joué un rôle crucial dans les dernières avancées des systèmes de contrôle robotique, en particulier le modèle de pointe RT-2, a connu des améliorations remarquables. Les modèles SARA-RT-2 les plus performants ont démontré une amélioration remarquable de 10,6 % en précision et une augmentation de 14 % en vitesse par rapport à leurs homologues RT-2, tout en utilisant un historique concis d'images en entrée.

Un changement de jeu pour l'efficacité de la robotique

L'introduction de SARA-RT est saluée comme un changement de jeu dans le domaine de la robotique. Elle représente le premier mécanisme d'attention évolutif qui améliore significativement l'efficacité computationnelle sans compromettre la qualité de la prise de décision. Ce développement est destiné à révolutionner la façon dont les robots opèrent dans des scénarios réels, les rendant plus capables, plus efficaces et plus sûrs.

Les récentes avancées de l'équipe de robotique DeepMind de Google dans la robotique pilotée par l'IA, y compris l'introduction d'une « Constitution Robotique » et du système révolutionnaire SARA-RT, marquent un bond significatif en avant dans le monde de la robotique. Ces innovations devraient améliorer les capacités de prise de décision des robots dans les environnements extérieurs, les rendant plus intelligents, plus sûrs et plus efficaces. Avec des tests en conditions réelles et des résultats impressionnants, l'engagement de Google à faire progresser le domaine de la robotique est évident, promettant un avenir où les robots et les humains peuvent collaborer de manière transparente et sûre.