Сила больших языковых моделей (large language model (LLM))  уже очевидна. Исследовали из Google показали как можно применять LLM в робототехнике: они включили сенсорные данные в запрос для языковой модели, что позволило модели устанавливать связь между словами и сенсорной информацией.

Исследователи из Google Robotics представили метод ROSIE (Scaling RObot Learning with Semantically Imagined Experience — Масштабирование обучения роботов с помощью семантически воображаемого опыта), который состоит в использовании диффузионных моделей для увеличения числа данных, используемых для обучения роботов.

Развивая метод SayCan, в компании Google разработали метод PaLM-SayCan, который позволяет роботам  Everyday Robots выполнять задания, выраженные на естественном языке.

Интересный подход к использованию больших языковых моделей (вроде GPT-3) в робототехнике, показали в робототехническом подразделении Google, управляя мобильным роботом-манипулятором Everyday Robots при помощи команд на естественном языке.

В офисе Google начали работать универсальные обучаемые роботы от проекта Everyday Robots (от экспериментального подразделения Alphabet — X labs), предназначенные для выполнения повседневных задач. Сейчас, роботы умеют открывать двери, передвигать стулья и протирать столы.

Исследовательская лаборатория X (бывшая — Google X) от Alphabet, представила свой рообототехнический проект Everyday Robot Project, который направлен на создание обучаемого робота, предназначенного для выполнения повседневных задач.

Schaft — робототехнический стартап от исследователей Токийского университета, основаный в 2012 году. В 2013 году был куплен Google (как и другие робототехнические компании, в том числе — Boston Dynamics). Компания разрабатывала гуманоидного робота-спасателя (участвовал в DARPA Robotics Challenge). Оказывается, как и Boston Dynamics — Schaft собирались продать японской SoftBank, но по неясной причине сделка сорвалась […]