6 月 26 日消息，谷歌旗下 DeepMind 表示，該公司已經(jīng)開發(fā)出一種名為 RoboCat 的人工智能模型，可以控制不同的機器人手臂執(zhí)行一系列任務(wù)。僅僅這一點并不特別新穎，但 DeepMind 聲稱，該模型是第一個能夠解決和適應(yīng)多種任務(wù)的模型，并且使用不同的、真實世界的機器人來完成。

RoboCat 的靈感來自于 DeepMind 的另一個 AI 模型 Gato，后者可以分析和處理文本、圖像和事件。RoboCat 的訓(xùn)練數(shù)據(jù)包括模擬和真實機器人的圖像和動作數(shù)據(jù)，這些數(shù)據(jù)來自于虛擬環(huán)境中的其他機器人控制模型、人類控制的機器人以及 RoboCat 自身的前期版本。

DeepMind 的研究科學(xué)家李亞歷克斯（Alex Lee）是 RoboCat 團隊的合作者之一，他在接受 TechCrunch 郵件采訪時說：“我們證明了一個單一的大型模型可以在多個真實的機器人實體上解決多樣化的任務(wù)，并且可以快速地適應(yīng)新的任務(wù)和實體。”

IT之家注意到，為了訓(xùn)練 RoboCat，DeepMind 的研究人員首先使用人類控制的機械臂，在模擬或真實環(huán)境中收集了每個任務(wù)或機器人的 100 到 1000 次演示。例如，讓機械臂拾取齒輪或堆疊積木等。然后，他們對 RoboCat 進行微調(diào)，在每個任務(wù)上創(chuàng)建一個專門的“衍生”模型，讓它平均練習(xí) 10000 次。通過利用衍生模型生成的數(shù)據(jù)和演示數(shù)據(jù)，研究人員不斷擴大 RoboCat 的訓(xùn)練數(shù)據(jù)集，并訓(xùn)練出新版本的 RoboCat。

最終版本的 RoboCat 在模擬和真實世界中，在總共 253 個任務(wù)上進行了訓(xùn)練，并在這些任務(wù)的 141 個變體上進行了測試。DeepMind 聲稱，在觀察了幾個小時內(nèi)收集的 1000 次人類控制的演示后，RoboCat 學(xué)會了操作不同類型的機械臂。雖然 RoboCat 已經(jīng)在四種有兩爪臂的機器人上進行了訓(xùn)練，但該模型能夠適應(yīng)一種更復(fù)雜的有三指夾具和兩倍可控輸入的機械臂。

盡管如此，RoboCat 在 DeepMind 的測試中，在不同任務(wù)上的成功率也有很大差異，從最低的 13% 到最高的 99% 不等。這是在訓(xùn)練數(shù)據(jù)中有 1000 次演示的情況下；如果演示次數(shù)減半，成功率也會相應(yīng)降低。不過，在某些情況下，DeepMind 聲稱 RoboCat 只需要觀察 100 次演示就能學(xué)習(xí)新任務(wù)。

李亞歷克斯認為，RoboCat 可能會降低解決新任務(wù)的難度?！爸灰o出一定數(shù)量的新任務(wù)演示，RoboCat 就可以微調(diào)到新任務(wù)，并且可以自我生成更多數(shù)據(jù)來進一步提高?！彼a充說。

未來，研究團隊的目標是減少教授 RoboCat 完成新任務(wù)所需的演示次數(shù)，使其少于 10 次。