Google พัฒนา ‘AutoRT’ เสริมประสิทธิภาพการใช้งานหุ่นยนต์
นักวิจัย DeepMind
Robotics ของ Google ได้เริ่มดำเนินการวิจัยใหม่ที่ออกแบบมาเพื่อช่วยให้วิทยาการหุ่นยนต์ต่าง
ๆ
สามารถทำความเข้าใจในสิ่งที่มนุษย์ต้องการจากเทคโนโลยีเหล่านี้ได้มากขึ้นกว่าเดิม
โดยปกตินั้นหุ่นยนต์จะมุ่งเน้นไปที่การทำงานเดี่ยวๆ
ซ้ำๆ ไปตลอดชีวิตการทำงานของตัวเอง
ซึ่งหุ่นยนต์ที่มีความเฉพาะทางเหล่านี้ก็มักจะมีความสามารถสูงในการทำงานในรูปแบบของตนเอง
แต่บางครั้งหุ่นยนต์เหล่านี้ก็มักจะเจอกับปัญหาขึ้นทันทีที่เกิดการเปลี่ยนแปลงรูปแบบการทำงานหรือมีข้อผิดพลาดที่ไม่ได้ตั้งใจเกิดขึ้นมา
ทีมงานของ
DeepMind
จึงได้มีการออกแบบ ‘AutoRT’ มาเพื่อควบคุมโมเดลพื้นฐานขนาดใหญ่ในงานหลายประเภท
โดยตัวระบบนั้นจะใช้ประโยชน์จาก Visual Language Model (VLM) เข้ามาช่วยให้หุ่นยนต์มีการรับรู้สถานการณ์ที่ดีขึ้น ทำให้ AutoRT สามารถควบคุมจัดการกับกลุ่มหุ่นยนต์ที่ทำงานควบคู่กันและสามารถรับรู้ถึงเค้าโครงของสภาพแวดล้อมและวัตถุภายในหุ่นยนต์ได้ผ่านกล้องที่ติดตั้งไว้
นอกจากนี้
AutoRT
ก็ยังมีเทคโนโลยี Large Language Model (LLM) ที่สามารถช่วยแนะนำประเภทงานที่หุ่นยนต์สามารถทำได้ให้อย่างเหมาะสม
ทั้งยังช่วยแนะนำอุปกรณ์ที่ปลายแขนหุ่นยนต์ (End effector) ให้ได้อีกด้วย
ซึ่งเทคโนโลยีอย่าง LLM นั้นก็ถือเป็นหัวใจที่สำคัญอยู่แล้วสำหรับการพัฒนาวิทยาการหุ่นยนต์ที่เข้าใจคำสั่งภาษาธรรมชาติได้อย่างมีประสิทธิภาพและช่วยลดความจำเป็นในการ
Hard-coding ลง
สำหรับในช่วง
7 เดือนที่ผ่านมานี้ AutoRT ก็ได้รับการทดสอบระบบบางส่วนแล้วและเผยว่า
AutoRT สามารถประสานหุ่นยนต์ได้พร้อมกันมากถึง 20 ตัวในทีเดียวและประสานอุปกรณ์ที่แตกต่างกันได้ทั้งหมด 52 ชิ้น โดยทาง DeepMind นั้นได้ทำการทดลองไปเกือบ 77,000 ครั้ง โดยคิดเป็นงานกว่า 6,000 งาน
อีกหนึ่งในระบบใหม่ที่ทางทีมงานของ
DeepMind
ได้พัฒนาขึ้นก็ยังมี ‘RT-Trajectory’ ที่ช่วยให้สามารถใช้วิดีโอบน
YouTube มาทำการฝึกสอนหุ่นยนต์เป็นวงกว้างได้
โดยมีความแตกต่างจากการใช้วิดีโอเพื่อฝึกสอนแบบทั่วไปด้วยการเพิ่มภาพร่างสองมิติของการเคลื่อนไหวของแขนหุ่นยนต์ลงบนวิดีโอก่อนจะนำเสนอเป็นภาพ
RGB เพื่อช่วยแนะนำระบบได้เรียนรู้และปรับปรุงความสามารถในการควบคุมหุ่นยนต์
ทาง
DeepMind
ยังได้เปิดเผยว่าการฝึกอบรมด้วย RT-Trajectory นั้นมีอัตราความสำเร็จอยู่ที่ 63%
ซึ่งถือว่ามีประสิทธิภาพเพิ่มขึ้นมากกว่า 2
เท่าเมื่อเทียบกับการฝึกอบรมด้วยระบบ RT-2
ที่มีอัตราความสำเร็จ 29%
การพัฒนาของ
AutoRT
และ RT-Trajectory นั้นจะช่วยกลายเป็นกำลังที่สำคัญให้กับอุตสาหกรรมการผลิตในปัจจุบันได้เป็นอย่างดีด้วยความสามารถในการการมอบความยืดหยุ่นในการทำงาน
ช่วยเพิ่มประสิทธิภาพ และลดความซับซ้อนในการเขียนโปรแกรมได้เป็นอย่างดี
เป็นอีกหนึ่งนวัตกรรมดี ๆ ที่จะช่วยยกระดับประสิทธิภาพของการใช้งานหุ่นยนต์ในภาคอุตสาหกรรมได้อย่างมีประสิทธิภาพ
ที่มา : MMThailand
วันที่ 10 มกราคม 2567
