DeepMind mengatakan bahwa mereka telah mengembangkan model AI, yang disebut RoboCat, yang dapat melakukan berbagai tugas di berbagai model lengan robot. Hal ini saja sudah merupakan hal yang baru. Tetapi DeepMind mengklaim bahwa model ini adalah yang pertama yang dapat menyelesaikan dan beradaptasi dengan berbagai tugas dan melakukannya dengan menggunakan robot dunia nyata yang berbeda.
“Kami mendemonstrasikan bahwa satu model besar dapat menyelesaikan beragam tugas pada berbagai perwujudan robotik nyata dan dapat dengan cepat beradaptasi dengan tugas dan perwujudan baru,” kata Alex Lee, seorang ilmuwan peneliti di DeepMind dan salah satu kontributor dalam tim di balik RoboCat, kepada TechCrunch dalam sebuah wawancara email.
RoboCat – yang terinspirasi oleh Gato, sebuah model AI DeepMind yang dapat menganalisis dan bertindak berdasarkan teks, gambar, dan peristiwa – dilatih berdasarkan data gambar dan tindakan yang dikumpulkan dari robotika, baik dalam simulasi maupun kehidupan nyata. Data tersebut, menurut Lee, berasal dari kombinasi model pengendali robot lain di dalam lingkungan virtual, manusia yang mengendalikan robot, dan iterasi sebelumnya dari RoboCat itu sendiri.
Untuk melatih RoboCat, para peneliti di DeepMind pertama-tama mengumpulkan antara 100 hingga 1.000 demonstrasi tugas atau robot yang menggunakan lengan robot yang dikendalikan oleh manusia. (Bayangkan lengan robot yang mengambil roda gigi atau menumpuk balok.) Kemudian, mereka menyempurnakan RoboCat dalam tugas tersebut, menciptakan model “spin-off” khusus yang berlatih pada tugas tersebut rata-rata 10.000 kali.
Dengan memanfaatkan data yang dihasilkan oleh model spin-off dan data demonstrasi, para peneliti terus mengembangkan dataset pelatihan RoboCat – dan melatih versi baru RoboCat berikutnya.
Sumber Gambar: DeepMind
Versi terakhir dari model RoboCat dilatih dengan total 253 tugas dan dibandingkan dengan 141 variasi dari tugas-tugas ini, baik dalam simulasi maupun di dunia nyata. DeepMind mengklaim bahwa, setelah mengamati 1.000 demonstrasi yang dikendalikan oleh manusia yang dikumpulkan selama beberapa jam, RoboCat belajar untuk mengoperasikan lengan robot yang berbeda.
Meskipun RoboCat telah dilatih dengan empat jenis robot dengan lengan bercabang dua, model ini mampu beradaptasi dengan lengan yang lebih kompleks dengan pencengkeram tiga jari dan dua kali lebih banyak input yang dapat dikontrol.
Agar RoboCat tidak digembar-gemborkan sebagai akhir dari segalanya dari model AI yang mengendalikan robot, tingkat keberhasilannya dalam berbagai tugas bervariasi secara drastis dalam pengujian DeepMind – mulai dari 13% di tingkat rendah hingga 99% di tingkat tinggi. Itu dengan 1.000 demonstrasi dalam data pelatihan; keberhasilannya diperkirakan lebih jarang terjadi dengan setengah dari jumlah demonstrasi tersebut.
Namun, dalam beberapa skenario, DeepMind mengklaim bahwa RoboCat dapat mempelajari tugas-tugas baru hanya dengan 100 demonstrasi.
Lebih jauh lagi, Lee percaya bahwa RoboCat dapat menjadi penanda penurunan hambatan untuk menyelesaikan tugas-tugas baru dalam bidang robotika.
“Dengan jumlah demonstrasi yang terbatas untuk tugas baru, RoboCat dapat menyesuaikan diri dengan tugas-tugas baru dan pada gilirannya menghasilkan lebih banyak data untuk meningkatkan kemampuannya lebih jauh,” tambahnya.
Ke depannya, tim peneliti bertujuan untuk mengurangi jumlah demonstrasi yang diperlukan untuk mengajarkan RoboCat menyelesaikan tugas baru menjadi kurang dari 10.
Sumber : https://techcrunch.com/2023/06/21/deepminds-robocat-learns-to-perform-a-range-of-robotics-tasks/