/

28 July 2023

Revolutionaire ontwikkelingen in robotica: Google DeepMind’s RT-2 vertoont baanbrekende prestaties en mogelijkheden

Er is vaak een misverstand dat simpele taken voor robots net zo eenvoudig zijn als voor mensen. De werkelijkheid is echter dat de complexiteit van deze ogenschijnlijk eenvoudige taken in de robotica te wijten is aan oneindige variabelen die mensen als vanzelfsprekend beschouwen. Het vermogen om een kopje op te tillen zonder het te breken, of om een knop in te drukken zonder het hele apparaat omver te duwen, vereist een ongelooflijke hoeveelheid afstemming, precisie en aanpassingsvermogen. Voor een robot zijn dergelijke taken een complex proces.

De robotica-industrie richt zich voornamelijk op herhaalbare taken in gestructureerde omgevingen. Het is veel eenvoudiger om een robot te programmeren om duizenden keren dezelfde handeling uit te voeren in een gecontroleerde omgeving dan te verwachten dat een robot zich kan aanpassen aan nieuwe, onvoorspelbare situaties. Wat echter indrukwekkend is, zijn de recente ontwikkelingen in de technologie van Google DeepMind.

Google DeepMind’s Robotics Transformer (RT-1) heeft een succespercentage van 97% bereikt voor meer dan 700 taken door gebruik te maken van een database met 130.000 demonstraties. Dit succes is baanbrekend, aangezien het laat zien dat robots in staat zijn om complexe taken uit te voeren met een hoge mate van betrouwbaarheid en consistentie.

DeepMind heeft nu RT-2 geïntroduceerd, een systeem dat robots in staat stelt om concepten die geleerd zijn op kleine datasets over te dragen naar verschillende scenario’s. Dit betekent dat robots niet langer afhankelijk zijn van grote hoeveelheden specifieke instructies om nieuwe taken te leren. In plaats daarvan kunnen ze algemene concepten en regels toepassen op verschillende situaties.

RT-2 toont verbeterde generalisatievaardigheden, semantisch en visueel begrip, en rudimentair redeneren. Het systeem kan bepalen welk gereedschap het beste is voor een specifieke taak op basis van bestaande contextuele informatie. Bijvoorbeeld: RT-2 kan afval identificeren en weet hoe het dit moet weggooien zonder expliciete training. Dit vermogen om te leren en aan te passen aan nieuwe situaties is een grote stap vooruit in de wereld van de robotica.

De effectiviteit van het uitvoeren van nieuwe taken met RT-2 is verbeterd van 32% naar 62% in vergelijking met RT-1. Deze sprong in prestaties toont aan dat de technologie in staat is om te leren van eerdere ervaringen en om voort te bouwen op bestaande kennis.

In conclusie, de robotica-industrie maakt aanzienlijke vooruitgang in het verbeteren van de vaardigheden en mogelijkheden van robots. Met technologieën als Google DeepMind’s RT-2, kunnen we verwachten dat robots in de toekomst steeds meer taken kunnen uitvoeren die voorheen alleen door mensen konden worden gedaan. Deze ontwikkelingen brengen niet alleen een revolutie teweeg in de industrie, maar veranderen ook onze perceptie van wat mogelijk is met robotica.