Google đang muốn làm cho robot của mình thông minh hơn bằng việc phát hành mô hình học tập trí tuệ nhân tạo (AI) Robotic Transformer (RT-2). RT-2 là phiên bản mới của mô hình tầm nhìn-ngôn ngữ-hành động (VLA).
Mô hình này dạy robot nhận dạng các mẫu hình ảnh và ngôn ngữ để diễn giải các hướng dẫn và suy luận đối tượng nào hoạt động tốt nhất cho yêu cầu.
Các nhà nghiên cứu đã thử nghiệm RT-2 với một cánh tay robot trong bối cảnh nhà bếp, yêu cầu cánh tay robot chọn đồ uống cho một người đang mệt mỏi. Họ cũng yêu cầu robot di chuyển lon Coca đến hình ảnh của Taylor Swift và nó đã làm theo.
Mô hình mới được đào tạo dựa trên dữ liệu web và rbott, tận dụng những tiến bộ nghiên cứu trong các mô hình ngôn ngữ lớn như Bard và kết hợp nó với dữ liệu robot có sẵn như khớp nào sẽ di chuyển để đạt được hành động nhất định. Bên cạnh đó, robot cũng sẽ hiểu các biển chỉ đường bằng các ngôn ngữ khác ngoài tiếng Anh.
Trong nhiều năm, các nhà nghiên cứu đã cố gắng trang bị cho robot khả năng suy luận tốt hơn để khắc phục sự cố khi làm việc trong môi trường thực tế. Robot dần dần sẽ không cần được hướng dẫn chỉ để làm điều gì đó đơn giản cho con người. Google muốn robot của mình học theo bản năng của con người, biết phải làm gì trong một vài tình huống cụ thể.
Trước đây, dạy một robot mất nhiều thời gian, khi các nhà nghiên cứu đã phải lập trình từng hướng dẫn cá nhân cho chúng. Nhưng với sức mạnh của các mô hình VLA như RT-2, robot có thể truy cập vào một tập hợp thông tin lớn hơn để suy ra những việc cần làm tiếp theo.
Bước đột phá đầu tiên của Google trong mảng robot thông minh bắt đầu vào năm ngoái khi họ tuyên bố sẽ sử dụng mô hình ngôn ngữ lớn PaLM của mình trong chế tạo robot, tạo ra hệ thống PaLM-SayCan để tích hợp AI với robot vật lý.
Tuy nhiên, robot mới của Google vẫn chưa hoàn hảo. Tờ New York Times đã được xem bản demo trực tiếp của robot và báo cáo rằng nó đã xác định sai hương vị soda và xác định nhầm trái cây là màu trắng.
