谷歌旗下 DeepMind 表示，該公司已經開發出一種名為 RoboCat 的人工智能模型(xing)(xing)，可(ke)以(yi)控制不同的(de)機器人(ren)手(shou)臂執行一系列任(ren)務(wu)。僅僅這一點并不特別新(xin)穎(ying)，但(dan) DeepMind 聲稱，該模型(xing)(xing)是第一個能夠(gou)解決(jue)和適應多種任(ren)務(wu)的(de)模型(xing)(xing)，并且使用不同的(de)、真實世界(jie)的(de)機器人(ren)來(lai)完成。
RoboCat 的(de)(de)靈感來(lai)自于 DeepMind 的(de)(de)另一個 AI 模(mo)型 Gato，后者可以分析(xi)和(he)(he)處(chu)理(li)文本(ben)、圖像和(he)(he)事件。RoboCat 的(de)(de)訓練數(shu)據包(bao)括模(mo)擬(ni)和(he)(he)真實機器人的(de)(de)圖像和(he)(he)動作數(shu)據，這些(xie)數(shu)據來(lai)自于虛擬(ni)環境中的(de)(de)其(qi)他(ta)機器人控(kong)制(zhi)模(mo)型、人類控(kong)制(zhi)的(de)(de)機器人以及 RoboCat 自身(shen)的(de)(de)前期版(ban)本(ben)。
DeepMind 的研究(jiu)科學家李亞歷克斯(si)(Alex Lee)是 RoboCat 團隊的合作(zuo)者之一(yi)，他在接受 TechCrunch 郵件采(cai)訪時說(shuo)：“我們證(zheng)明了一(yi)個(ge)(ge)單(dan)一(yi)的大型模型可以在多(duo)個(ge)(ge)真(zhen)實的機器(qi)人實體上解決(jue)多(duo)樣化(hua)的任務，并且(qie)可以快速(su)地(di)適應新的任務和(he)實體。”
為了訓練(lian)(lian)(lian) RoboCat，DeepMind 的研(yan)究(jiu)人(ren)員(yuan)首先使用人(ren)類控制的機(ji)械臂，在(zai)模(mo)擬或真實環境中收集了每(mei)個(ge)任務或機(ji)器(qi)人(ren)的 100 到 1000 次演(yan)示。例(li)如，讓機(ji)械臂拾取(qu)齒輪或堆疊積木等。然后，他(ta)們(men)對 RoboCat 進行(xing)微調(diao)，在(zai)每(mei)個(ge)任務上創建一個(ge)專門(men)的“衍生”模(mo)型，讓它平均(jun)練(lian)(lian)(lian)習(xi) 10000 次。通過利(li)用衍生模(mo)型生成的數據和(he)演(yan)示數據，研(yan)究(jiu)人(ren)員(yuan)不斷擴大 RoboCat 的訓練(lian)(lian)(lian)數據集，并訓練(lian)(lian)(lian)出新版(ban)本的 RoboCat。
最終版本的 RoboCat 在模擬和真實世界中，在總共 253 個任務上進行了訓練，并(bing)在(zai)這(zhe)些(xie)任務的(de)(de) 141 個變體(ti)上進(jin)行(xing)了(le)測試。DeepMind 聲稱(cheng)，在(zai)觀察了(le)幾個小時(shi)內收(shou)集的(de)(de) 1000 次(ci)人類(lei)控制(zhi)的(de)(de)演示后(hou)，RoboCat 學會了(le)操作不(bu)同類(lei)型(xing)(xing)的(de)(de)機(ji)械(xie)(xie)臂。雖然(ran) RoboCat 已(yi)經在(zai)四種(zhong)(zhong)有兩(liang)爪臂的(de)(de)機(ji)器人上進(jin)行(xing)了(le)訓(xun)練，但該模型(xing)(xing)能夠適應一(yi)種(zhong)(zhong)更(geng)復雜的(de)(de)有三指夾具和兩(liang)倍可控輸(shu)入(ru)的(de)(de)機(ji)械(xie)(xie)臂。
盡管如此，RoboCat 在 DeepMind 的測試中，在不同任務上的成功率也有很大差異，從最低(di)的 13% 到最高的 99% 不(bu)等。這是在訓練數據中有(you) 1000 次演示(shi)(shi)的情況下;如(ru)果演示(shi)(shi)次數減(jian)半，成功率也會(hui)相應降(jiang)低(di)。不(bu)過，在某些(xie)情況下，DeepMind 聲稱 RoboCat 只需要觀(guan)察 100 次演示(shi)(shi)就能學習新任務。
李亞歷克斯認為，RoboCat 可(ke)能會(hui)降低(di)解決新任務(wu)(wu)的難度。“只(zhi)要給出(chu)一定(ding)數(shu)量的新任務(wu)(wu)演示，RoboCat 就可(ke)以微調到新任務(wu)(wu)，并且可(ke)以自我(wo)生成(cheng)更多(duo)數(shu)據來進一步提(ti)高。”他補充說。
未來，研究團(tuan)隊的(de)目標是(shi)減少(shao)教授 RoboCat 完(wan)成新(xin)任務所需的(de)演(yan)示(shi)次數，使其少(shao)于 10 次。
