Google DeepMind ha anunciado una serie de avances significativos en la investigación robótica que prometen transformar la interacción entre humanos y robots. En un artículo reciente en su blog oficial, el equipo de DeepMind presenta AutoRT, SARA-RT y RT-Trajectory, tres sistemas que construyen sobre su histórico trabajo en Robotics Transformers para mejorar la recopilación de datos, la velocidad y la generalización en robots.
DeepMind redefine el futuro de la robótica con AutoRT, SARA-RT y RT-Trajectory, acelerando la capacidad de los robots para tomar decisiones y entender su entorno, destaca el equipo de Google DeepMind.
AutoRT es un sistema que utiliza modelos de fundación a gran escala para entrenar mejor a los robots en la comprensión de objetivos prácticos humanos. Combina modelos de lenguaje y visuales con un modelo de control robótico para desplegar robots en entornos novedosos, recopilando datos de entrenamiento diversos y experimentales.
How could robotics soon help us in our daily lives? 🤖
Today, we’re announcing a suite of research advances that enable robots to make decisions faster as well as better understand and navigate their environments.
Here’s a snapshot of the work. 🧵 https://t.co/rqOnzDDMDI pic.twitter.com/satbbGyltI
— Google DeepMind (@GoogleDeepMind) January 4, 2024
SARA-RT (Self-Adaptive Robust Attention for Robotics Transformers) convierte los modelos de Robotics Transformer en versiones más eficientes. Este sistema mejora la velocidad y precisión de los modelos RT, reduciendo la complejidad computacional y manteniendo la calidad del modelo original.
1️⃣ Our new system SARA-RT converts Robotics Transformer models into more efficient versions using a novel method: “up-training.”
This can reduce the computational requirements needed for on-robot deployment, increasing speed while preserving quality. https://t.co/rqOnzDDMDI pic.twitter.com/wCzrSf6oBl
— Google DeepMind (@GoogleDeepMind) January 4, 2024
RT-Trajectory ayuda a los robots a generalizar instrucciones a movimientos físicos. Este modelo agrega contornos visuales que describen los movimientos del robot en videos de entrenamiento, lo que permite a los modelos de control robótico interpretar mejor «cómo hacer» las tareas.
Estos avances representan un paso significativo hacia la integración de robots en la vida cotidiana, con un enfoque en la seguridad y la responsabilidad. Las reglas de seguridad, inspiradas en parte por las Tres Leyes de la Robótica de Isaac Asimov, son fundamentales en estos sistemas.
Suscríbete a nuestra newsletter y ponte al día en tecnología, IA y medios de comunicación. Esta es la de hoy.
