Google veut mettre fin au fossé qui subsiste entre l’IA et la robotique et a créé un robot ayant une capacité d’apprentissage autonome : RoboCat.
Si les systèmes alimentés par IA, dont les grands modèles de langage et les chatbots font l’objet d’une évolution constante, on constate une régression dans le domaine de la robotique. Du moins sur la capacité des robots à apprendre de nouvelles tâches. Mais les équipes de Google DeepMind ont trouvé la solution pour remédier aux problèmes en utilisant la technologie derrière les LLM. Elles ont alors créé des processeurs pouvant s’adapter avec les bras robotiques, ainsi que les autres types de robots autonomes.
RoboCat et l’architecture Transfromers
L’intégration de l’architecture Transformers au modèle RoboCat devrait lui permettre de disposer de nouvelles aptitudes. Les tests ont été réalisés sur le modèle RoboCat, ce qui lui a permis d’alterner entre de nombreux corps. Mais aussi d’apprendre de nouvelles tâches de manière plus rapide.
On a également constaté une différence significative au niveau de la durée d’apprentissage de RoboCat. Sans parler de sa capacité à générer ses propres données d’entraînement. « Nous saluons la capacité de RoboCat à s’entraîner et à apprendre de nouvelles tâches de manière indépendante sur la majorité des appareils robotiques », affirment les chercheurs de Google DeepMind.
Il s’agit en effet d’un pas de plus vers le développement d’une nouvelle génération de robots autonomes plus utiles que les modèles actuellement disponibles.
Un taux de réussite de 74 % sur les nouvelles tâches
Afin de mettre en évidence la capacité d’auto-amélioration de RoboCat, les chercheurs ont développé plusieurs modèles dérivés spécialisés dans des tâches spécifiques. Ils ont utilisé ces modèles pour générer 10 000 démonstrations de ces tâches.
Ces démonstrations ont ensuite été intégrées à l’ensemble de données existant. C’est-à-dire les flux utilisés pour entraîner la nouvelle version de RoboCat, qui affiche des performances améliorées.
Après avoir été exposée à 500 démonstrations d’une tâche qu’elle n’avait jamais rencontrée auparavant, la première version de RoboCat affiche un taux de réussite de près de 36 %.
Après plusieurs cycles d’amélioration autonome et d’entraînement sur de nouvelles tâches, les chercheurs de Google DeepMind ont réussi à doubler ce taux de réussite pour atteindre un pourcentage de 74 %.
Néanmoins, le modèle présente encore des faiblesses sur la réalisation de certaines tâches. Il présente en effet un taux de réussite de moins de 50 % sur plusieurs tâches. Soit 13 % sur l’une de ses attributions. Cependant, le fait que RoboCat puisse maîtriser une grande variété de défis et apprendre rapidement de nouveaux défis signifie que des cerveaux robotiques beaucoup plus adaptables émergeront dans les mois à venir.
Un post publié sur le blog de DeepMind affirme que cette capacité représente une avancée majeure dans le domaine de la robotique. Cela parce qu’elle permet de réduire la dépendance à l’égard de l’entraînement supervisé par les humains. Il s’agit également d’une avancée qui ouvre la voie à la création d’un robot polyvalent. Aussi une innovation marquant une accélération significative de la recherche en robotique.
- Partager l'article :
