{"id":3315,"date":"2023-07-29T11:38:41","date_gmt":"2023-07-29T11:38:41","guid":{"rendered":"https:\/\/dailyai.com\/?p=3315"},"modified":"2023-07-29T11:38:41","modified_gmt":"2023-07-29T11:38:41","slug":"googles-ai-turns-vision-language-into-robotic-actions","status":"publish","type":"post","link":"https:\/\/dailyai.com\/de\/2023\/07\/googles-ai-turns-vision-language-into-robotic-actions\/","title":{"rendered":"Googles KI verwandelt Visionen und Sprache in robotische Aktionen"},"content":{"rendered":"

Google hat einige aufregende Testergebnisse seines neuesten Vision-Language-Action (VLA)-Robotermodells namens Robotics Transformer 2 (RT-2) vorgestellt.<\/strong><\/p>\n

Der Gro\u00dfteil der j\u00fcngsten KI-Diskussionen hat sich um gro\u00dfe Sprachmodelle wie ChatGPT und Llama gedreht. Die Antworten, die diese Modelle liefern, sind zwar n\u00fctzlich, bleiben aber auf dem Bildschirm Ihres Ger\u00e4ts. Mit RT-2 bringt Google die Macht der KI in die physische Welt. Eine Welt, in der selbstlernende Roboter bald Teil unseres Alltags sein k\u00f6nnten.<\/span><\/p>\n

Die Geschicklichkeit von Robotern hat sich stark verbessert, aber sie ben\u00f6tigen immer noch sehr spezifische Programmieranweisungen, um selbst einfache Aufgaben zu bew\u00e4ltigen. Wenn sich die Aufgabe auch nur geringf\u00fcgig \u00e4ndert, muss das Programm angepasst werden.<\/span><\/p>\n

Mit RT-2 hat Google ein Modell entwickelt, das es einem Roboter erm\u00f6glicht, Dinge, die er sieht, in Kombination mit Worten, die er h\u00f6rt, zu klassifizieren und daraus zu lernen. Er reagiert dann auf die Anweisungen, die er erh\u00e4lt, und f\u00fchrt physische Aktionen aus.<\/span><\/p>\n

Bei LLMs wird ein Satz in Tokens zerlegt, also in mundgerechte Wortbrocken, die es der KI erm\u00f6glichen, den Satz zu verstehen. Google hat dieses Prinzip \u00fcbernommen und die Bewegungen, die ein Roboter als Reaktion auf einen Befehl ausf\u00fchren muss, in Token unterteilt.<\/span><\/p>\n

Die Bewegungen eines Roboterarms mit einem Greifer w\u00fcrden beispielsweise in Token f\u00fcr \u00c4nderungen der X- und Y-Positionen oder Drehungen unterteilt.<\/span><\/p>\n

\n

In der Vergangenheit mussten Roboter in der Regel Erfahrungen aus erster Hand sammeln, um eine Aktion ausf\u00fchren zu k\u00f6nnen. Aber mit unserem neuen Vision-Language-Action-Modell RT-2 k\u00f6nnen sie jetzt sowohl aus Texten als auch aus Bildern aus dem Internet lernen, um neue und komplexe Aufgaben zu bew\u00e4ltigen. Mehr erfahren \u2193 https:\/\/t.co\/4DSRwUHhwg<\/a><\/p>\n

- Google (@Google) 28. Juli 2023<\/a><\/p>\n<\/blockquote>\n