France
This article was added by the user . TheWorldNews is not responsible for the content of the platform.

Google conçoit des robots qui utilisent des modèles de langage avancés

Google conçoit un robot qui exploite un modèle de langage avancé

Google combinela robotique avec les capacités conversationnelles des chatbotspour J'essaie de développer un bot qui peut interpréter. Évaluer les actions possibles en fonction de la capacité.

La division de recherche de Google a annoncé un nouveau système appelé "PaLM-SayCan" qui intègre un robot conçu par la filiale d'Alphabet Everyday Robots avec le modèle de langage PaLM.

"Aujourd'hui, les robots existent principalement dans des environnements industriels et sont soigneusement codés pour des tâches spécifiques, ce qui rend impossible leur adaptation à l'imprévisibilité du monde réel. C'est pourquoi Google Research et Everyday Robots collaborent pour combiner le meilleur de modèles de langage avec apprentissage par robot », a déclaré Vincent Vanhoucke, directeur principal de la recherche en robotique chez Google, dans un article de blogplus tôt cette semaine.

Publicité

Paradoxe de Moravec

PaLM est un modèle avec 540 milliards de paramètres Il utilise une nouvelle technique appelée Pathwayqui coordonne des milliers de puces, également inventée par Google.

Il comprend le monde à partir de Wikipédia, des réseaux sociaux et d'autres pages Web. Une IA similaire sous-tend les chatbots et les assistants virtuels, mais n'a jamais été aussi largement appliquée aux robots, note Google.

Cela leur permet de "communiquer avec des robots domestiques via du texte ou de la voix" et "d'utiliser les performances globales du robot et sa connaissance du monde encodée dans son modèle de langage pour créer des tâches plus complexes pouvant améliorer votre capacité à effectuer des tâches abstraites. » décrit l'entreprise.

Ainsi, ce travail aborde le « paradoxe de Moravec », ou « l'idée qu'en robotique, la chose la plus simple à programmer est la chose la plus facile à faire. » } Planification des tâches à long terme

Bien que le système est encore à ses débuts, Google a fait quelques progrès.

"Lorsque le système a été intégré à PaLM, par rapport au modèle de base moins puissant, il y a eu une augmentation de 14 % du taux de réussite de la planification, c'est-à-dire la capacité de définir une approche viable pour une tâche. Nous avons également constaté une 13% d'augmentation du taux de réussite d'exécution, ou capacité à réaliser une tâche, soit la moitié des erreurs de planification de la méthode de base », souligne Vincent Vanhoucke.

Il ajoute : "La plus grande amélioration, 26 %, concerne la planification de tâches à long terme, c'est-à-dire des tâches impliquant huit étapes ou plus."