Google は、ロボットの全体的なパフォーマンスと、より複雑で抽象的なタスクを実行し、人間からの複雑な要求を処理する能力を向上させる、新しい大規模な学習モデルを開発しました。
「PaLM-SayCan」と呼ばれる Google-Everyday Robots の研究では、ロボット学習モデルで PaLM (パスウェイ言語モデル) を使用しています。
「この取り組みは、大規模な言語モデルを使用して実際のロボットを計画する最初の実装です。テキストや音声を介して人々がヘルパー ロボットと通信できるようにするだけでなく、それだけでなく、ロボットの全体的なパフォーマンスも向上します」とこの技術大手はブログ投稿で述べています。彼らが現実世界の予測不可能性に適応することは不可能です。
「Google Research と Everyday Robots が協力して、最高の言語モデルとロボット学習を組み合わせようとしているのはそのためです」と、Google Research のロボティクス責任者である Vincent Vanhoucke 氏は述べています。
学習モデルにより、ロボットは私たちのコミュニケーション方法を理解できるようになり、より自然なやり取りが促進されます。
「PaLM は、ロボット システムがより複雑で制限のないプロンプトを処理し、合理的かつ賢明な方法で応答するのに役立ちます」と Vanhoucke 氏は付け加えました。
システムが統合されたときPaLM では、それほど強力ではないベースライン モデルと比較して、研究者は計画の成功率、つまり実行可能なアプローチをタスクにマッピングする能力が 14% 向上したことを確認しました。
「また、実行成功率、つまりタスクを正常に実行する能力が 13% 向上したこともわかりました。これは、ベースライン手法で犯した計画ミスの数の半分です」と Vanhoucke 氏は述べています。
26% という最大の改善は、長期的なタスク、または 8 つ以上のステップが含まれるタスクを計画することです。
「PaLM では、思考の連鎖による推論など、新しい機能が言語ドメインに出現しています。これにより、モデルがタスクをどのように解釈するかを確認し、改善することができます」と Google は述べています。
今のところ、これらのロボットは、会社のマイクロ キッチンで Google 社員のおやつをつかむのが上手になってきています.
FacebookTwitterLinkedin