Un nouvel horizon en robotique : L’intelligence artificielle à usage général
Le défi de former des modèles d’apprentissage automatique pour chaque robot, tâche et environnement a représenté une barrière significative pour les progrès dans le domaine de la robotique. Cependant, un projet innovant dirigé par Google DeepMind et 33 institutions de recherche promet de changer cette réalité, en créant un système d’intelligence artificielle (IA) à usage général.
Aujourd’hui, les robots sont des spécialistes mais pas des généralistes. Chacun nécessite une formation spécifique pour accomplir une tâche dans un environnement particulier. Cette approche est non seulement coûteuse mais limite également la polyvalence et l’applicabilité des robots dans différents contextes.
Open-X Embodiment : Un projet transformateur
La solution proposée est le projet Open-X Embodiment. Celui-ci introduit deux composants clés : un ensemble de données contenant des informations sur plusieurs types de robots et une famille de modèles capables de transférer des compétences dans un large éventail de tâches. Les tests effectués dans les laboratoires de robotique et sur différents types de robots ont obtenu des résultats supérieurs aux méthodes couramment utilisées.
Le jeu de données Open X-Embodiment a été créé en collectant des données de 22 incarnations de robots dans 20 institutions internationales. Il comprend des exemples de plus de 500 compétences et 150 000 tâches dans plus d’un million d’épisodes.
Les modèles d’accompagnement sont basés sur l’architecture transformer. Le RT-1-X a été construit sur le Robotics Transformer 1 (RT-1), un modèle multitâche pour la robotique à grande échelle dans le monde réel. D’autre part, le RT-2-X a été construit sur le successeur du RT-1, le RT-2, un modèle vision-langage-action qui a appris à la fois des données robotiques et web.
Résultats prometteurs et prochaines étapes
Les tests du RT-1-X sur diverses tâches dans cinq laboratoires de recherche différents sur cinq robots couramment utilisés ont montré un taux de réussite 50% plus élevé que les modèles spécialisés. De plus, le modèle a démontré sa capacité à généraliser ses compétences à différents environnements. De son côté, le RT-2-X a été trois fois plus réussi que le RT-2 en compétences émergentes.
Les futures étapes de la recherche en robotique incluent la possibilité de combiner ces avancées avec les connaissances de RoboCat, un modèle auto-améliorable développé par DeepMind. On étudiera également comment différentes combinaisons de jeux de données pourraient affecter la généralisation entre les incarnations et comment l’amélioration se matérialise.
Enfin, l’équipe a libéré le jeu de données Open X-Embodiment et une petite version du modèle RT-1-X. On espère que ces outils transformeront la façon dont les robots sont formés et accéléreront ce domaine de recherche. En définitive, ce projet représente un pas significatif vers la création de robots véritablement polyvalents et adaptables.
Sarah est non seulement une experte en marketing digital, mais aussi une créatrice de contenu avec une grande expérience dans le domaine. Diplômée en Sociologie de l'Université de Barcelone et ayant un post-diplôme en Marketing Digital de l'Inesdi, Sarah a réussi à se distinguer en tant que Directrice de Marketing Digital. Sa connaissance approfondie des tendances digitales et sa capacité à identifier des opportunités de croissance ont été fondamentales pour le succès de nombreuses campagnes. De plus, elle donne des cours et des conférences dans des écoles de commerce prestigieuses, des universités et des événements, partageant ses connaissances et expériences avec d'autres professionnels et étudiants.
Cette entrée est également disponible dans : Español Português
