Generatived（Beta）｜生成AIの最新ニュースとトレンドを提供

長年にわたり、ロボットは未来の役に立つ魅力的な仲間として私たちの想像力を魅了してきました。しかし、高度なロボット工学の現実は依然としてとらえどころがなく、今もSF の領域に限定されています。Google は、真に役に立つロボットの未来に私たちを近づける画期的なビジョン・言語・アクション (VLA) モデルである Robotics Transformer 2 (RT-2) を発表しました。以前のモデルとは異なり、RT-2 はウェブ上のテキストと画像の組み合わせでトレーニングされ、ロボットのアクションを直接出力できます。これは、RT-2 がロボットと効果的にコミュニケーションし、人間の言語とロボットの動作の間のギャップを埋めることができることを意味します。ロボット学習における最大の課題の 1 つは常に、非常に変化しやすい環境で複雑なタスクを処理できるかどうかです。チャットボットとは異なり、ロボットは現実世界と自身の能力を深く理解する必要があります。オブジェクトを認識し、そのコンテキストを理解し、それに応じてアクションを実行できる必要があります。従来、これには膨大な量のデータに基づいてロボットをトレーニングする必要があり、時間とコストがかかりました。ただし、RT-2 はロボット学習への新しいアプローチを提供します。情報を一般化する能力で知られるトランスフォーマーの力を活用することで、RT-2 は言語および視覚トレーニング データからの知識をロボットの動作に指示することができます。これは、明示的にトレーニングされたことがないタスクであっても、RT-2 は依然として驚くべき精度で実行できることを意味します。たとえば、以前のシステムでは、ゴミを識別して捨てるには明示的なトレーニングが必要でした。 RT-2 を使用すると、このプロセスがはるかに簡単になります。このモデルは、大規模な Web データ コーパスでのトレーニングのおかげで、ゴミが何であるか、そしてその処分方法をすでに理解しています。この知識を伝達する能力により、ロボットは新しい状況や環境により迅速に適応できるようになります。テストでは、RT-2 は大きな期待を示しました。トレーニング データ内のタスクに関しては、以前のモデル RT-1 と同様に機能します。ただし、これまでにない新しいシナリオに優れており、RT-1 の 32% と比較して 62% の成功率を達成しています。これは、RT-2 が人間と同じように概念を学習し、新しい状況に適用できることを意味します。やるべきことはまだたくさんありますが、RT-2 はロボット工学の分野で大きな前進をもたらします。これは、AI の進歩がロボット工学に急速に波及し、より汎用的で適応性のあるロボットへの道を切り開いている様子を示しています。人間中心の環境における役に立つロボットの未来は私たちの手の中にあり、RT-2 はその道をリードしています。