Google Deepmind ka prezantuar Robotikë Binjakët dhe Binjakët Robotikë-ER, dy modele të përparuara të AI të zhvilluara për të përmirësuar se si robotët mësojnë dhe përshtaten me detyrat fizike me trajnime minimale paraprake. Nisja e tyre pasqyron përqendrimin në rritje në aftësitë e ndërveprimit në botën reale në sektorin evolucionar të modeleve AI. href=”https://deepmind.google/discover/blog/gemini-robotics-brings-ai-into-the-physical-world/”> gemini robotikë Kombinon njohjen vizuale, të kuptuarit natyral të gjuhës dhe veprimin për të mundësuar që robotët të përpunojnë mjedise komplekse, të kuptojnë udhëzimet dhe të ekzekutojnë detyrat.”lartësia=”352″src=”të dhëna: imazh/svg+xml; nitro-impty-id=mtcxntoymduy-1; base64, phn2zyb2awv3qm94psiwidagmtayncaznt Iiihdpzhropsixmdi0iibozwlnahq9ijm1miigeg1sbnm9imh0dha6ly93d3cudzmub3jnlziwmdavc3znij48l3n2zz4=”>
Modelet përdorin qasje të mësimit zero-shot dhe pak shot, duke lejuar robotët të trajtojnë detyrat pa trajnime paraprake ose të përshtaten shpejt nga shembujt minimalë. Kjo qasje mund të ndihmojë industritë si prodhimi dhe logjistika duke minimizuar ciklet e trajnimit dhe duke lehtësuar vendosjen më të shpejtë të sistemeve robotike. Robotët që përdorin këtë model mund të analizojnë mjediset 3D, të parashikojnë trajektoret e objektit dhe të kuptojnë se si objektet bashkëveprojnë brenda një hapësire. shtrihet në përshtatshmërinë e tij nëpër kontekste të ndryshme operacionale. Robotët që përdorin këto modele mund të kalojnë midis detyrave ose të përshtaten në mjedise të reja me riprogramim minimal. Kjo aftësi ndër-platformë thjeshton procesin e shkallëzimit për kompanitë që integrojnë robotikë të përparuar në operacionet e tyre, duke adresuar drejtpërdrejt sfidat brenda rrjedhës së punës së automatizmit. Në Dhjetor 2024, Universiteti Carnegie Mellon prezantoi Simulatorin e Zanafillës AI, e cila përshpejton trajnimin robotik duke gjeneruar simulime komplekse deri në 81 herë më shpejt se kushtet e botës reale. (Burimi: Genesis github faqe )
Genesis mundëson gjenerimin dinamik të skenarit nga nxitësit e thjeshtë të tekstit, duke ofruar një qasje me rrezik të ulët, me efikasitet për të rafinuar sjelljet e drejtuara nga ai. Përgjegjësia dhe përshtatshmëria. Duke funksionuar plotësisht në GPU të ngulitur, Helix lejon robotët të kuptojnë komandat zanore, të përshtaten me objekte të panjohura dhe të bashkëpunojnë në kohë reale-pa u mbështetur në sistemet e cloud.
[Përmbajtja e ngulitur]
Microsoft në shkurt njoftoi modelin e tij Magma AI, duke u përqëndruar në urimin e automatizimit të softuerit me robotikë. Magma integron të dhënat e vizionit, gjuhës dhe veprimit për të automatizuar rrjedhat e punës në mjediset industriale dhe ndërmarrje, duke rritur përshtatshmërinë dhe zvogëlimin e kompleksitetit operacional. src=”të dhëna: image/svg+xml; nitro-impty-id=mtczndoxmjc2-1; base64, phn2zyb2awv3qm94psiwidagmtaynca2mjyii Ihdpzhropsixmdi0iiBozwlnAHq9iJyyyyniigEG1Sbnm9imH0dha6ly93d3cudzmUB3Jnlziwmdavc3znij48l3n2zz4=”> Përdorimi Shembuj të rastit për Magma AI (Burimi: Microsoft)
Ndërkohë, Meta është përqendruar në sigurimin e teknologjive themelore të AI. Në fillim të shkurtit, kompania prezantoi modelin Meta Motivo AI, i krijuar për të përmirësuar saktësinë dhe lëvizjen e gjallë në robotikë. Qasja e Meta mbështet prodhuesit e palëve të treta në ndërtimin e sistemeve të përparuara robotike. src=”të dhëna: image/svg+xml; nitro-empty-id=mtc0mtoxmjcy-1; base64, phn2zyb2awv3qm94psiwidagmtaynca2nzkiihd pzhropsixmdi0iibozwlnahq9iJy3OSIgEG1Sbnm9imH0Dha6ly93d3cudzmUB3Jnlziwmdavc3zniJ48l3n2zz4=”> screenshot Nga Demoja Interactive Meta Motivo Interactive
Simulimi i Simulimit të Zhvillimit më të shpejtë të AI
Simulimi është bërë një përbërës qendror i zhvillimit të AI, duke siguruar mjedise me rrezik të ulët për të rafinuar sjelljet robotike. Emulatori Genesis u mundëson studiuesve të krijojnë skenarë realistë nga nxitje themelore të tekstit, duke përshpejtuar adaptimin e modeleve të AI si robotika e Gemini para vendosjes së botës reale. Kjo lejon që sistemet AI të zgjedhin veprimet e tyre përmes simulimeve të përsëritura, duke siguruar sjellje të përmirësuara në kushte të paparashikueshme të botës reale. Për robotikën e Binjakëve, kjo teknikë siguron përshtatshmërinë dhe saktësinë në detyra dhe mjedise të ndryshme. Sistemi i heliksit të Figurës AI e ilustron këtë duke përdorur GPU të ngulitur për vendimmarrje lokale, duke zvogëluar vonesën dhe duke bërë të mundur reagimin e menjëhershëm. Kjo është veçanërisht e rëndësishme në industri si logjistika, ku përshtatshmëria e shpejtë është thelbësore për efikasitetin operacional. Kjo lejon që robotët të rregullojnë sjelljen e tyre bazuar në të dhënat mjedisore në kohë reale, duke zvogëluar nevojën për udhëzime të ngurta, të paracaktuara. Ndërsa modelet si Helix dhe Robotika e Binjakëve mund të përmirësojnë përshtatshmërinë e përgjithshme, detyrat që përfshijnë dilema etike ose përdorimin e objekteve të brishta ose të parregullta vazhdojnë të testojnë gjykimin robotik, saktësinë dhe saktësinë. Parimet , duke u përqëndruar në minimizimin e sjelljeve të paqëllimta dhe sigurimin që robotët mund të bashkëveprojnë me siguri me mjediset njerëzore.