Google роботы: Google создала роботов, которые выполняют сложные голосовые команды — их научили приносить газировку и вытирать лужи — Вебджем.рф

Содержание

Google создала роботов, которые выполняют сложные голосовые команды — их научили приносить газировку и вытирать лужи

3DNews Технологии и рынок IT. Новости мир роботехники Google создала роботов, которые выполняю…

Самое интересное в обзорах

18.08.2022 [12:21], Владимир Мироненко

Те, кто использует интеллектуальных голосовых помощников, таких как «Алиса», Siri и т.д., вероятно, заметили, что технология становится умнее с каждым днём. Тем не менее роботов, которые бы выполняли различные команды, озвученные пользователем, пока найти сложно. Роботы-пылесосы не в счёт. Однако Google создала роботов, которые умеют распознавать голосовые команды и правильно их выполнять. Пока что это лишь прототипы, но когда-то они станут полноценным продуктом.

Источник изображения: Haje Kamps/ TechCrunch

Компания Alphabet, в состав которой входит Google, создала новую робототехническую компанию под названием Everyday Robots (англ.

— Повседневные роботы). Как следует из названия, целью фирмы является создание роботов, которые учатся самостоятельно и выполняют «повседневные задачи, отнимающие много времени». В сочетании с языковой ИИ-моделью PaLM (Pathways Language Model) робот SayCan от Everyday Robots стал PaLM-SayCan — ботом, способным оценивать свои собственные возможности, окружающую среду и озвученную человеком задачу, а затем разбивать эту задачу на более мелкие подзадачи для достижения желаемой цели.

В то время как большинство роботов тестируются в пределах лаборатории, весь смысл PaLM-SayCan заключается в том, чтобы помочь с разнообразными и часто незапланированными проблемами и задачами. Это вдохновило команды Google и Everyday Robots использовать PaLM-SayCan на офисной кухне. Здесь PaLM-SayCan можно попросить принести пакетик чипсов из ящика стола, выбрать между кока-колой и пепси и даже помочь людям решить проблему пролитого напитка. Казалось бы, это очень простые задачи, но на самом деле нет.

Научить робота выполнять повторяющиеся задачи в контролируемых пространствах без присутствия людей хоть и не самая простая, но вполне решаемая задача. Гораздо сложнее научить робота решать различные задачи на основе голосовых команд в пространствах, где также присутствуют люди. Речь не идёт о таких решениях, как роботы-пылесосы, которые просто запрограммированы на то, чтобы не касаться никаких предметов, кроме пола. С роботами-помощниками всё куда сложнее, ведь он должен правильно понять человека, а также придумать, как выполнить поручение или же сообразить, что сделать этого он не может в принципе.

Google достигла определённого прогресса в задаче понимания роботами естественного языка, который может использовать человек. С помощью своей системы обработки естественного языка Pathways Language Model (PaLM) компания смогла достичь точной обработки фраз и понимания роботом того, что человек на самом деле хочет, а не буквального выполнения сказанного.

Следующая задача — понять, на что на самом деле способен робот. Робот может понять просьбу достать предмет с полки, но проблема в том, что он может не дотянуться до него, так как полка находится слишком высоко. Google называет «возможностями» то, что может делать робот более-менее успешно. Это могут быть простые задачи («продвиньтесь на метр вперёд»), более сложные задачи («найди банку колы на кухне»), а также сложные, многоэтапные действия, требующие от робота понимания собственных способностей и окружающего мира. Например, «Уф, я пролил свою колу на пол. Не могли бы вы вытереть лужу и принести мне новый напиток?». В последнем случае роботу будет необходимо разбить задачу на ряд этапов — определить место, где пролита жидкость, пойти на кухню, найти губку, вернуться назад, собрать воду, опять пойти на кухню, чтобы выжать губку и т.д. Хотя, возможно, ему нужно определиться — может быть лучше сначала принести банку колы, а потом заняться устранением лужи?

Ещё одна проблема, с которой сталкивается робототехника, заключается в том, что языковые модели не привязаны к физическому миру. Например, на запрос «Я пролил свой напиток, вы можете помочь?» языковая модель GPT-3 отвечает: «Вы можете попробовать использовать пылесос». И это имеет смысл для неё, так как языковая модель ассоциирует пылесос с процессом уборки. Хотя пылесос не предназначен для устранения лужи и попытка сделать это может привести к его поломке.

Как утверждают в Google, важно научить роботов определять, что они могут и чего не могут делать, и что имеет смысл делать в первую очередь в различных ситуациях. Роботы, получив задание, пытаются принять решение, задаваясь вопросами «

какова вероятность того, что я добьюсь успеха в том, что собираюсь попробовать?» и «насколько полезной может быть эта вещь». Где-то в промежутке между этими двумя соображениями роботы становятся значительно умнее с каждым днем.

Пока что роботы Google научились приносить различные вещи, вроде газировки, а также вытирать лужи, попутно научившись искать те или иные вещи, открывать ящики и прочее. Но делают они всё правильно в 74 % случаев, и Google работает над тем, чтобы повысить этот показатель. Помимо выполнения различных поручений они также были обучены самостоятельно подключаться к электросети для подзарядки.

Источник:

Если вы заметили ошибку — выделите ее мышью и нажмите CTRL+ENTER.

Материалы по теме

Постоянный URL: https://3dnews.ru/1072349/google-delaet-robotov-umnee-obyasnyaya-im-v-chyom-ih-ogranicheniya

Рубрики: Новости Hardware, мир роботехники,

Теги: google, робототехника, обучение

← В прошлое В будущее →

Google показала робота, который программирует сам себя / Хабр

maybe_elf

9 ноя 2022 в 12:51

Время на прочтение 2 мин

Количество просмотров

5. 8K

Машинное обучение *Разработка робототехники *Робототехника Искусственный интеллект

В Google представили робота, который воспринимает естественную речь и создаёт машинный код самостоятельно. Проект Code as Policies (CaP) основан на алгоритме искусственного интеллекта Google Pathways Language Model (PaLM), который преобразует команды на естественном языке в исполняемый код.

popsci.com

Систему обучали на примерах команд и коде с комментариями. Теперь робот может при получении новых команд «автономно генерировать новый код, в котором заново распределены вызовы API, синтезированы новые функции и созданы циклы обратной связи для запуска новых действий во время работы».

Code as Policies использует языковые модели написания кода для сопоставления инструкций на естественном языке с кодом робота для выполнения задач

CaP производит арифметические операции и использует логику определённых языков — например, циклы «if/else» и «for/while» для Python или подключает сторонние библиотеки для реализации дополнительных функций. Также он способен интерпретировать неоднозначные команды вроде «быстрее» и «левее», превращая их в конкретные показатели для выполнения задачи. Центральное место в этом подходе занимает иерархическая генерация кода, которая побуждает языковые модели рекурсивно определять новые функции, со временем накапливать собственные библиотеки и самостоятельно создавать динамическую кодовую базу. Сгенерированный код может вызывать существующие API действий, сторонние библиотеки или позволять писать новые функции во время выполнения.

Однако языковая модель предполагает некоторые ограничения: так, робот даёт сбой, если не видит смысла в команде, а иногда пытается работать с неизвестными параметрами. Он пока не может выполнять сложных последовательностей действий, таким образом, операции с несколькими десятками параметров для него недоступны.

CaP испытали на нескольких робототехнических системах, включая робота от Everyday Robots. Ранее Google вместе с Everyday Robots создала роботов-официантов, которые способны реагировать на сложные запросы.

Они работают с использованием метода PaLM-SayCan, который объединяет языковые ИИ-модели с алгоритмами обучения роботов.

В мае DeepMind выпустила систему искусственного интеллекта «общего назначения», которую можно научить выполнять множество различных типов задач. Исследователи обучили систему под названием Gato выполнять 604 задания, в том числе добавлять подписи к изображениям, участвовать в диалогах, складывать блоки с помощью роборуки и играть в игры Atari.

Теги:

google
google ai
роботы
искусственный интеллект
машинное обучение
модель
написание кода
исполнение кода
самообучение

Хабы:

Машинное обучение
Разработка робототехники
Робототехника
Искусственный интеллект

Всего голосов 7: ↑7 и ↓0 +7

Комментарии 8

@maybe_elf

Информационная служба Хабра

Комментарии Комментарии 8

Главная | Роботы на каждый день

Роботы-помощники на пути к лучшему

повседневный

Рожденные из X, фабрики лунных выстрелов, и работая вместе с командой Google, мы создаем роботов нового типа. Тот, который может учиться сам по себе, чтобы помочь любому (почти) в чем угодно.

Маленькие проблемы – это наша большая проблема

На работе или дома большая часть нашей повседневной жизни уходит на решение мелких проблем. Сохранение окружающей среды в безопасности и чистоте, размещение вещей там, где они нужны, или обеспечение того, чтобы люди, о которых мы заботимся, получали руку помощи всякий раз, когда они в ней нуждались. Беремся за повторяющиеся в лучшем случае или утомительные в худшем задачи.

Представьте себе мир, в котором ежедневные задачи, отнимающие много времени, просто решаются. Мир, в котором мы можем тратить время на то, что действительно важно. Где наша рабочая жизнь более продуктивна, а наша личная жизнь от этого богаче.

Решение small обеспечит качество прогресса, которое ранее было немыслимым

Решение small обеспечит качество прогресса, которое ранее было немыслимо

В 2017 г. промышленные роботы обеспечили 10 % роста ВВП в странах ОЭСР. По мере того, как обычные люди получают доступ к возможностям роботов, повышение производительности труда к 2035 г. может увеличиться на 40 %.

Accenture, 2016

2000

2010

2020

2030

2040

Источники данных

Центр экономики и бизнеса, 2017 9 0006.0032
Accenture, 2016

Это обещание роботов-помощников

Где человечество получает миллиарды часов назад, чтобы раскрыть свой потенциал и улучшить нашу жизнь способами, которые сегодня кажутся невообразимыми, но завтра станут второй натурой.

Где решение многих из самых маленьких жизненных проблем также поможет нам решить некоторые из самых серьезных мировых проблем. От личного, такого как поддержка, которая может понадобиться каждому из нас по мере взросления, до глобального, поскольку постоянно стареющее население меняет будущее работы для всех.

Наше видение состоит в том, чтобы создавать роботов, которые будут так же трансформировать физический мир, как наши компьютеры в цифровом мире.

Но чтобы достичь этого, нам сначала нужно решить самую сложную задачу в робототехнике — построить роботов, которые могут научиться помогать нам практически во всем.

Пролог

Представляем Everyday Robots

3:25 — Воспроизвести видео

Глава 1

Трудности повседневности

2:25 — Воспроизвести видео

Глава 2

Робот, который учится

2:52 — Воспроизвести видео

Глава 3

Обучение первой задаче

1:40 — Воспроизвести видео

Глава 4

Строим вместе со всеми

4:30066 Воспроизвести видео 4:00066

Прорыв в робототехнике

Современные роботы действительно хороши в трех вещах — силе, точности и повторяемости. Но они действительно плохи в других вещах — в понимании новых пространств и сред и в выполнении более чем одной задачи. Проще говоря, их очень узкие возможности исходят от человека, который запрограммировал их на решение только одной проблемы в одной среде.

Чтобы преодолеть разрыв между сегодняшними одноцелевыми роботами и роботами-помощниками завтрашнего дня, мы создаем роботов, которые живут в нашем мире и могут учиться самостоятельно. Многогранная задача, которая даже сложнее, чем создание автомобиля с автоматическим управлением, потому что для робототехники не существует правил дорожного движения.

Мы начнем с мест, где мы проводим большую часть времени бодрствования — с мест, где мы работаем. Но мы не останавливаемся на достигнутом. Мы считаем, что роботы-помощники могут в конечном итоге помочь всем и везде. От офисов до учреждений по уходу и, в конечном итоге, в наших домах, они облегчат нашу жизнь, протянув нам руку помощи (или три).

Путешествие | Роботы на каждый день

Сила искусственного интеллекта соответствует обещаниям роботов

Путь к роботам-помощникам — это история великих идей и революционных технологий.

Это писатели-фантасты, представляющие, как роботы могут улучшить нашу жизнь, и вдохновляющие реальных ученых, инженеров и робототехников реализовать свое видение.

Последние полвека инноваций в компьютерном оборудовании и программном обеспечении встречаются с достижениями в области искусственного интеллекта и робототехники.

Прокрутите вниз, чтобы узнать о некоторых моментах, которые сделали роботов-помощников возможными.

Глава 1

Рассвет компьютеров и ИИ

В послевоенную эпоху технический прогресс ускоряется с беспрецедентной скоростью. Представления о роботах и искусственном интеллекте начинают обретать форму.

Рождение компьютеров

Профессора Пенсильванского университета Джон Мочли и Дж. Преспер Эккерт создают «дедушку» цифровых компьютеров — электронный числовой интегратор и калькулятор (ENIAC). Он заполняет комнату размером 20 на 40 футов и имеет 18 000 вакуумных ламп.

Трансформирующий транзистор

Исследователи Уильям Шокли, Джон Бардин и Уолтер Браттейн из Bell Laboratories изобрели транзистор. Его прочность, небольшие размеры и низкое энергопотребление положили начало волне миниатюризации. Возможности вычислений революционизируются.

Опубликована книга Айзека Азимова «Я, робот», закладывающая основы идеи роботов в культуре.

Игра в имитацию

Алан Тьюринг представляет «Тест Тьюринга» — проверку способности машины демонстрировать интеллектуальное поведение, эквивалентное поведению человека или неотличимое от него.

Не на всех языках говорят

Грейс Хоппер разрабатывает COBOL, первый компьютерный язык. Второй, FORTRAN, был разработан группой программистов IBM годом позже.

Дартмутская конференция чеканит термин ‘

искусственный интеллект ‘ и запускает поле ИИ.

Мэйнфреймы IBM используются в ранних экспериментах.

Дартмутская конференция вводит термин «

искусственный интеллект » и запускает область ИИ. Мэйнфреймы IBM используются в ранних экспериментах.

Изменения в работе

Председатель и главный исполнительный директор IBM Томас Дж. Уотсон-младший делает ставку на будущее компании в IBM Series/360 — крупнейшем финансируемом из частных источников коммерческом проекте в истории. Риск окупается, навсегда меняя компьютерную индустрию. Работа революционизируется, производительность повышается, и становятся возможными бесчисленные новые задачи.

Глава 2

Компьютеры становятся повседневными

Мейнфреймы — это большие и дорогие машины, которыми могут управлять только ученые. Они могущественны, но недоступны. Затем был изобретен микропроцессор, положивший начало революции персональных компьютеров.

Микропроцессор

Intel и Тед Хофф представляют первый микропроцессор Intel 4004. Он стоит 200 долларов или около 1350 долларов сегодня, содержит 2300 транзисторов, выполняет 60 000 операций в секунду и хранит 640 байт. памяти.

Соучредитель Intel Гордон Мур предполагает, что вычислительная мощность резко возрастет, а относительная стоимость снизится в геометрической прогрессии. Это понимание, известное как закон Мура, становится золотым правилом электронной промышленности и трамплином для инноваций.

Теперь личное.

Стив Возняк и Стив Джобс выпускают Apple 1. Из-за встроенной схемы компьютерного терминала для использования требуется только клавиатура и телевизор. Мощность вычислений впервые передана в руки обычных людей.

Первые шаги программного обеспечения

Год спустя Apple выпускает Apple II. Это первый в мире очень успешный компьютер массового производства. Программное обеспечение, такое как Visicalc, оригинальная электронная таблица, превращает компьютер из хобби для энтузиастов в серьезный бизнес-инструмент.

Глава 3

Компьютеры соединяют нас

Компьютеры нас соединяют

От одной революции к другой Интернет навсегда меняет наш образ жизни. Вся мировая информация у нас под рукой. Тем временем искусственный интеллект делает рывок вперед, начиная свой путь к тому, чтобы стать, ну, в общем, разумным.

Министерство обороны США финансирует первую экспериментальную компьютерную сеть — ARPANET. Он соединяет компьютеры повсюду и является предшественником Интернета.

Информационная супермагистраль

Тим Бернерс-Ли и его коллеги из CERN разрабатывают язык гипертекстовой разметки (HTML) и унифицированный указатель ресурсов (URL), что положило начало первому воплощению Всемирной паутины.

Deep Blue Computer от IBM, разновидность искусственного интеллекта, побеждает действующего чемпиона мира по шахматам Гэри Каспарова.

Мне повезет

Ларри Пейдж и Сергей Брин, два аспиранта Стэнфордского университета, изучающие компьютерные науки, разработали новый способ поиска и поиска информации в Интернете. Они называют свое изобретение «Google».

Глава 4

Компьютеры повсюду

Довольно скоро микропроцессор становится настолько совершенным, что его можно сделать намного меньше. Теперь компьютеры умещаются у нас на ладони.

Четыре основателя создают компанию под названием «Android» — ее миссия — делать более умные мобильные устройства.

Четыре основателя создают компанию под названием «Android» — ее миссия — делать мобильные устройства умнее.

Стив Джобс представляет iPhone на Macworld

В то же время искусственный интеллект повышает вычислительную мощность, чтобы сделать нашу повседневную жизнь лучше.

Поиск становится интуитивно понятным. Карты умные. Работа продуктивнее, чем когда-либо.

В то же время искусственный интеллект увеличивает вычислительную мощность, чтобы сделать нашу повседневную жизнь лучше. Поиск становится интуитивно понятным. Карты умные. Работа продуктивнее, чем когда-либо.

Глава 5

Научная фантастика встречается с реальностью

От Mighty Atom в Японии до The Jetsons в Америке идея роботов, помогающих людям, была частью нашего воображения на протяжении поколений. Наконец, технологии наверстывают упущенное, делая перспективных роботов-помощников доступными для нас.

2005

Автомобиль из Стэнфорда побеждает в DARPA Grand Challenge, используя искусственный интеллект, чтобы автономно проехать через пустыню 131 милю (211 километров).

Стэнфордский автомобиль побеждает в DARPA Grand Challenge, используя искусственный интеллект для автономного проезда через пустыню на 131 милю (211 километров).

2009

Самый опытный водитель в мире™

Начинается проект беспилотных автомобилей Google, который позже станет Waymo LLC. Сегодня Waymo Driver сочетает в себе искусственный интеллект с передовым лидаром, радаром, камерами и вычислениями для восприятия мира и навигации по нему.

2012

Компьютеры могут видеть

Инженеры Алекс Крижевский, Илья Суцкевер и Джефф Хинтон представили программу под названием AlexNet на конкурс ImageNet Large Scale Visual Recognition Challenge (LSVRC) 2012 года. Эта программа является прорывом в области компьютерного зрения, снижая существующий уровень ошибок вдвое до всего лишь 16%. Идея о том, что компьютеры смогут воспринимать наш мир, начинает становиться возможной.

2012

Исследователи из X обучают ИИ распознавать кошку на миллионах изображений в видео на YouTube — компьютерное зрение становится возможным.

2013

Google приобретает восемь робототехнических компаний, делая первый большой шаг к слиянию своего программного обеспечения с робототехническим оборудованием.

Schaft

Родившийся в Токийском университете, Schaft является создателем нового типа привода, который увеличивает силу роботов.

Industrial Perception

Компания по производству изображений, которая отделилась от робототехнической компании Menlo Park Willow Garage.

Meka Robotics

Создает исследовательских роботов с серийными упругими приводами; наиболее известен гуманоидом M1 и Мечтателем.

Redwood Robotics

Совместная работа Willow Garage, SRI и Meka для разработки недорогой роботизированной руки.

Bot & Dolly / Autofuss

Использует манипуляторы для точного и воспроизводимого управления камерой.

Holomni

Создатели высокотехнологичных колес для всенаправленного движения.

Boston Dynamics

Создатель всевозможных футуристических ботов, от двуногого гуманоидного робота Атласа до невероятно быстрого четвероногого гепарда.

2013

Робототехнические компании Google объединяются в Replicant. Replicant реорганизуется в три отдельных робототехнических проекта:

Help, Move, и Make. Вскоре после этого эти проекты присоединяются к X, фабрике лунных выстрелов.

Компании робототехники Google объединяются, чтобы стать Replicant. Replicant реорганизуется в три отдельных робототехнических проекта:

Help, Move, и Make. Вскоре после этого эти проекты присоединяются к X, фабрике лунных выстрелов.

2015

Найди робота-собаку

Находясь в Alphabet, Boston Dynamics представляет четвероногого робота Spot, способного легко подниматься по лестнице и преодолевать пересеченную местность. Ловкость Spot достигается за счет сосредоточения внимания на «спортивном интеллекте», который имитирует то, как люди и другие животные выполняют такие функции, как ходьба, бег и лазание.

Spot управляется человеком-оператором и может использоваться для различных задач, таких как документирование объекта, тепловое обследование, обнаружение газа, утечек и радиации.

2016

ИИ проходит Go

DeepMind, компания Alphabet, создает AlphaGo — первый искусственный интеллект, победивший профессионального игрока в го и чемпиона мира по го.

Какими бы простыми ни казались правила, Go очень сложен. Есть поразительные 10 в степени 170 возможных конфигураций доски — больше, чем количество атомов в известной Вселенной. Это делает игру Го в несколько раз более сложной, чем шахматы.

Роботы приближаются к повседневности

Созданы роботы на каждый день, объединяющие аппаратное и программное обеспечение, чтобы научить роботов помогать нам в нашей повседневной жизни.

2016

Привет, роботы на каждый день

С помощью Help родился проект Everyday Robot. Из штаб-квартиры X мы приступили к созданию первого в мире обучающегося робота.

2016

Без экспериментов нет инноваций.

Нет инноваций без экспериментов.

Мы начинаем с создания множества экспериментальных приложений. Прототипы, которые, несмотря на игривость, продвигают наши технологии вперед.

Мы проводим сравнительное тестирование мобильности с помощью робота, который может принимать запросы пользователей и перемещаться между местами для перевозки предметов.

Истоки пари «ML/RL» — мы создаем робота, который использует изученное поведение, чтобы двигаться по маршруту, собирать посуду и загружать ее в посудомоечную машину.

2017

X, сопоставлено.

Первые 3D-карты штаб-квартиры X созданы роботами, которые автономно преодолевают более 1000 километров Штаб-квартира.

2017

Познакомьтесь с операторами роботов

Ни один робот не может быть полностью самостоятельным, им всем нужна поддержка людей. Наша команда операторов роботов всегда готова контролировать, обучать и консультировать наших роботов, когда это необходимо.

2018

Мы учим роботов быстро учиться.

Мы демонстрируем, что сбор данных для захвата роботом может быть сокращен с месяцев до дней путем обучения 50 000 виртуальных роботов моделированию с использованием Google Cloud.

2018

Захват в пределах нашей досягаемости

В сотрудничестве с Google Research мы достигли прорыва в обучении с подкреплением для робототехники. Наша система научилась замкнутому реактивному поведению для успешного захвата тысяч объектов методом проб и ошибок.

2019

Большое влияние маленьких проблем

Мы учим роботов решать проблемы устойчивого развития в зданиях Alphabet. Решая проблему сортировки мусора, роботы используют обучение с подкреплением, чтобы снизить загрязнение при переработке, компосте и свалках с 20% до 3%.

Этот прорыв может решить проблемы с мусором в Америке, которые ежегодно отправляют на свалки 417 отходов Эмпайр Стейт Билдинг.

2020

Роботы учатся делать несколько вещей

Во время глобальной пандемии мы учим роботов выполнять ряд задач, которые обеспечивают безопасность и чистоту офисов, в том числе :

Инспекция зданий и мониторинг качества воздуха

Поверхностная проверка опасностей, разливов, отходов, пыли, мусора и грязи

Протирка и дезинфекция поверхностей

2021

Обучение, миллионы.

В настоящее время 100 прототипов роботов-помощников обучаются, экспериментируют и работают как единая система. Пока эти роботы сортируют отходы, вытирают столы и изучают новые задачи в наших офисах. За последний год в симуляторе потренировались 240 миллионов виртуальных роботов — это почти столько же автомобилей, сколько есть в США. Вместе наш реальный мир и флот виртуального мира учатся в целом, становясь лучше и быстрее в тандеме.

2022

PaLM-SayCan: роботы учатся понимать нас

В партнерстве с Google Research мы разрабатываем PaLM-SayCan, прорыв в исследованиях искусственного интеллекта, который объединяет понимание естественного языка с физическими возможностями роботов. Хотя в настоящее время мы только тестируем эту технологию в лабораторных условиях, PaLM-SayCan показывает, что роботы могут выполнять сложные инструкции на естественном языке, сочетая мыслительные способности крупномасштабных языковых моделей с заученными действиями робота.