Google DeepMind’ın robotlardan sorumlu takımı, robotlara görüntü izleyerek öğrenmeyi öğretiyor. Grup, Google’ın Gemini 1.5 Pro üretken yapay zeka modeliyle çalışan RT-2 robotlarının nasıl dolaşılacağını öğrenmek ve hatta varış noktasındaki istekleri yerine getirmek için görüntülerden nasıl bilgi alabildiğini gösteren yeni bir makale yayınladı.
Gemini 1.5 Pro modelinin uzun içerik penceresi sayesinde bir robotun yeni bir stajyer üzere eğitilmesi mümkün oluyor. Bu pencere, yapay zekanın bol ölçüde bilgiyi tıpkı anda işlemesine imkan tanıyor. Araştırmacılar, konut yahut ofis üzere belirlenmiş bir alanın görüntü çeşidini çektikten sonra, robot görüntüyü izliyor ve etraf hakkında bilgi ediniyor.
Video tiplerindeki detaylar, robotun hem kelamlı hem de görsel çıktıları kullanarak öğrendiği bilgilere dayanarak misyonları tamamlamasını sağlıyor. Bu çalışmanın, robotların etraflarıyla insan davranışına benzeri bir halde nasıl etkileşime girebileceğini göstermenin etkileyici bir yolu olduğu rahatlıkla söylenebilir.
A limited context length makes it a challenge for many AI models to recall environments. 🌐
Powered with 1.5 Pro’s 1 million token context length, our robots can use human instructions, video tours, and common sense reasoning to successfully find their way around a space. pic.twitter.com/eIQbtjHCbW
— Google DeepMind (@GoogleDeepMind) July 11, 2024
Ayrıca Google DeepMind’ın paylaştığı gösterimler, ender rastlanan tesadüfler değil. Gemini takviyeli robotlar, pratik testlerde yaklaşık 850 metrekarelik bir alanda çalıştı ve 50’den fazla farklı kullanıcı talimatını yüzde 90 muvaffakiyet oranıyla muvaffakiyetle takip etti. Bu yüksek seviyedeki doğruluk, yapay zeka takviyeli robotların meskende konut işlerinde yahut işyerinde kolay ve hatta daha karmaşık vazifelerde yardımcı olmaları için pek çok olasılığın önünü açıyor.
Gemini 1.5 Pro modelinin en dikkat cazibeli taraflarından biri, çok adımlı vazifeleri tamamlama yeteneği olabilir. DeepMind’ın araştırması, robotların buzdolabına giderek, içindekileri görsel olarak işleyerek ve akabinde geri dönüp soruyu yanıtlayarak belli bir içeceğin mevcut olup olmadığı üzere sorulara nasıl karşılık vereceklerini çözebileceğini de buldu. Bütün bir hareket dizisini planlama ve gerçekleştirme, birçok robot için mevcut tek adımlı buyruk standardının ötesine geçen bir anlayış ve uygulama seviyesi sergiliyor.
Ancak bu robotun yakın vakitte satışa sunulmasını beklemeyin. Öncelikle, her bir talimatın işlenmesi 30 saniye kadar sürüyor ve bu da günlük kullanımların büyük bir çoğunluğunda hareketi kendinizin yapmanızın çok daha süratli olacağı manasına geliyor. Yapay zeka modeli epey gelişmiş olsa da, gerçek dünyadaki konutların ve ofislerin kaosunda bir robotun gezinmesi, denetimli bir ortamda gezinmekten çok daha sıkıntı olacaktır.
Yine de Gemini 1.5 Pro üzere yapay zeka modellerinin robot teknolojisine entegre edilmesi, bu alanda büyük bir atılımı özetliyor. Gemini yahut rakipleri üzere modellerle donatılmış robotlar sıhhat, nakliye ve hatta paklık misyonlarının geleceğini değiştirebilir.
