家のヒューマノイドロボット？それほど速くない、と専門家は言う

ヒューマノイドが人気のある想像力の対象である限り、それは目標となっています。これは、折りたたみ洗濯物やリサイクルを尋ねられるだけで並んだタスクを行うことができる汎用ロボットです。

9月25日、AlphabetのAIラボであるGoogle Deepmindは、ヒューマノイドロボットがまさにそれをしているように見えることで、スペースで話題になりました。

会社 ブログ投稿を公開しました Apptronikの一連のビデオ ヒューマノイドロボット アポロの折りたたみ衣服、アイテムをビンに並べ替え、さらには人のバッグにアイテムを入れます。

これは、同社の最新のAIモデルであるGemini Robotics 1.5とGemini Robotics-ER 1.5のショーケースの一部でした。発表の目標は、物理的なロボットが「知覚、計画を立てるのを支援するために、言語モデルを使用してどれだけ使用できるかを示すことでした [and] 会社によると、「完了する」マルチステップのタスクを「完了する」と考えてください。

Deepmindの最新ニュースを少し懐疑的なもので見ることが重要です。特に、「考える」能力を持っているロボットの主張については、共著した電気およびコンピューター工学の北東部教授であるRavinder Dahiya氏は言います。 a ネイチャーマシンインテリジェンス 報告 AIをロボットに統合する方法について。

Gemini Robotics 1.5およびGemini Robotics-ER 1.5は、ビジョンセンサーと画像を利用していることを意味します。 言語データ 外の世界の分析の多くについて、ダヒヤは説明します。

Gemini Robotics 1.5は、「視覚情報と指示をモーターコマンドに変える」ことで機能します。 Google Deepmind氏によると、Gemini Robotics-ER 1.5は「身体的空間を理解し、計画を立て、その周囲内で物流上の決定を下すことを専門としています。

それはすべて表面上の魔法のように思えるかもしれませんが、それはすべて非常に定義された一連のルールに基づいています。ロボットは実際に独立して考えていません。それはすべて、高品質のトレーニングデータと構造化されたシナリオ計画とアルゴリズムの山に裏打ちされている、とDahiyaは言います。

「かなりの量のデータがあるため、この場合は視覚モデルと言語モデルを簡単に反復することができます」と彼は言います。 「AIのビジョンは新しいものではありません。長い間存在しています。」

斬新なのは、DeepMindチームがそのテクノロジーを統合できたことです 大きな言語モデル、ユーザーがロボットにシンプルな言語を使用してタスクを実行するように依頼できるようにする、と彼は言います。

それは印象的で「正しい方向への一歩」です、とダヒヤは言いますが、私たちはまだ人間と同等の感覚または思考の能力を持つヒューマノイドロボットを持っていることから遠く離れていると彼は指摘します。

たとえば、Dahiyaや他の研究者は、ロボットがタッチと触覚のフィードバックを持つことができるセンシングテクノロジーを開発する過程にあります。特にDahiyaは、電子ロボットスキンの作成に取り組んでいます。

ビジョンデータとは異なり、そのタイプのセンシングに関するトレーニングデータはそれほど多くありません。これは、ソフトオブジェクトとハードオブジェクトの操作を含むアプリケーションで重要です。

しかし、一例として。また、ロボットに痛みや匂いを登録する能力を与えることに長い道のりがあります、と彼は付け加えます。

「不確実な環境のために、視力だけでなく、すべてのセンサーのモダリティに依存する必要があります」と彼は言います。

このストーリーは、Northeastern Global Newsの好意により再発行されています news.northeastern.edu。