Generalist AI, robotlara özel programlamaya veya her görev için ayrı eğitim ve ince ayar süreçlerine ihtiyaç duymadan, tek ve kısa bir gösterimden yeni fiziksel görevleri öğrenme olanağı sağlayan robotik temel modeli GEN-1.5’i tanıttı. Şirketin yayımladığı bilgilere göre model, 3 ila 12 saniye süren bir gösterimi analiz ederek kademeli güncellemeler veya ek bir ince ayar süreci olmadan görevi yerine getirebiliyor.
Generalist AI bu tür örneklere “fiziksel yönlendirici” adını veriyor. Bu, gösterimde kullanılan sensör verilerini ve hareket dizilerini bir araya getiren bir bağlamdır. GEN-1.5, video görüntülerini sensör verileri, dil ve robotun konumu ile hareketine ilişkin bilgilerle birlikte işliyor. Model, 30 saniyelik bir bağlam penceresi kullanıyor ve saniyede 100’e kadar hareket komutu üretiyor.
Performansta belirgin farklılıklarla ilk sonuçlar
Şirket, modeli 10 kısa manipülasyon görevinde test etti ve tek bir gösterim kullanıldığında ortalama %59 başarı elde etti. Her görev için yaklaşık 50 gösterim içeren ve 10 kademeli adım boyunca toplanan beş dakikalık verilere uyarlandığında oran %83’e yükseldi. Bir dakikalık veri ve tek bir kademeli adıma dayanan başka bir testte model %66,5 başarı kaydetti.
Bu rakamlar, GEN-1.5’in az sayıdaki örnekten yararlanabildiğini gösteriyor; ancak performansın hâlâ kısmen veri miktarına ve uyarlama düzeyine bağlı olduğunu da ortaya koyuyor. Generalist AI, test ettiği görevlerin basit ve görece kısa olduğunu, mevcut başarı oranlarının ise hâlâ sınırlı kaldığını kabul ediyor.
Hareketi taklit etmekten yeni bir dizi oluşturmaya
Model yalnızca gördüğü hareketi tekrarlamakla sınırlı değil. Kendisine ayrı ayrı bir kalem kutusunun fermuarını açma ve içinden bozuk para çıkarma sahneleri gösterildiğinde, fiziksel yönlendiricileri tek ve kesintisiz bir dizide birleştirmeyi başardı. Ayrıca gösterimlerde bulunmayan yeniden konumlanma ve hatalarla başa çıkma gibi geçiş hareketleri oluşturdu.
Şirketin örnekleri, modelin beklenmedik koşullarla karşılaştığında stratejisini değiştirebildiğini gösterdi. Bir nesneyi fırça kullanarak kaba itme görevinde GEN-1.5, aynı amacı gerçekleştirmek için geçici bir araç olarak muz kullandı. Bir kürekle karşılaştığında ise onu itmeye devam etmek yerine nesneyi kaldırarak kaba koydu. Ayrıca kabın üzerini örten bir kâğıtla başa çıktı ve parmağına takılan bir Lego parçasını diğer elini kullanarak çıkardı.
Simülasyondan ve insanların hareketlerinden öğrenme
Model, simülasyon ortamında kaydedilen bir gösterimi, ek örneklere ihtiyaç duymadan gerçek bir robota aktarabiliyor; üstelik simülasyon verileri ön eğitim aşamasının bir parçası değildi. Bazı görevlerde, insanların elleriyle gerçekleştirdiği hareketleri robot kameraları aracılığıyla izleyebildi ve ardından görevi robotun ellerini kullanarak yeniden gerçekleştirebildi.
Pratikte ne değişiyor?
Bu yaklaşımın önemi, her robotik görevi ayrı ayrı programlama ihtiyacını azaltma ihtimalinde yatıyor. Gelecekte aylar boyunca özel bir sistem hazırlamak yerine, istenen görevi robota birkaç saniye boyunca göstermek yeterli olabilir. Ancak bu sonuç, sorunun çözüldüğü anlamına gelmiyor; şirket, GEN-1.5’in ön eğitiminin sekiz aydan uzun süredir devam ettiğini ve modelin hâlâ sınırlı görevlerde, tamamlanmamış başarı oranlarıyla test edildiğini belirtiyor.
Generalist AI’ye göre model, geniş kapsamlı fiziksel etkileşim verileriyle eğitildikçe daha az veri ve hesaplama gücü kullanarak yeni görevlere uyum sağlamaya başladı. Şirket, bağlam içi öğrenme ve doğaçlama yeteneklerinin, bu yeteneklere özel bir eğitim yöntemi veya ek bir hedef olmadan, ön eğitim sırasında kendiliğinden ortaya çıktığını söylüyor.