A Google DeepMind, área de pesquisa sobre inteligência artificial da Google, anunciou nesta sexta-feira (28) avanços em relação a um novo modelo de robô. O Robotic Transformer 2 (RT-2) é um novo modelo de visão-linguagem-ação (VLA). Desse modo, sua função é de aprender com os dados da internet e, através da robótica, traduzir esse conhecimento em ações.
Nesse sentido, os comandos dados para o robô exigem que a IA busque informações na internet, acesse seu próprio banco de dados e execute de forma física. Em exemplo publicado no Twitter, o perfil mostra o comando onde solicita que o robô coloque a banana no espaço que contém a soma de dois mais um, ou seja, três.
“Comandos como “mover banana para a soma de 2 mais 1” significa que o robô precisa de transferência de conhecimento do pré-treinamento da web e mostrando habilidades não presentes nos dados de robótica”, escreve.
Google avança em IA
Ou seja, cada tarefa exige a compreensão de conceitos semânticos visuais e a capacidade de executar o controle robótico para operar nesses conceitos. Comandos como “pegar a sacola prestes a cair da mesa” ou “mover a banana para a soma de dois mais um”.
Nesses cenários, exige-se que o robô busque conhecimento traduzido de dados baseados na internet para operar. Pois ele é solicitado a realizar tarefas de manipulação em objetos ou cenários nunca vistos nos bancos de dados.
Segundo o estudo publicado, o RT-2 foi capaz de mostrar essas capacidades de generalização aprimoradas. Além de compreensão semântica e visual de informações que não havia em seu banco de dados aos quais foi treinado.
O RT-2 manteve o desempenho nas tarefas originais, e melhorou o desempenho em cenários onde não tinha conhecimento prévio, de 32% para 62% em relação ao RT-1, a primeira versão. Desse modo, mostrando o benefício considerável do pré-treinamento em larga escala. Além disso, a DeepMind observou um aumento no desempenho em comparação com as linhas de base anteriores em todas as categorias, como nos modelos RT-1.
