Google за първи път инструмент за програмиране на роботи с команди на естествен език

Google LLC днес за първи път Вътрешно разработен софтуерен инструмент, който може да намали количеството усилия, свързани с обучението на робот да изпълнява нови задачи.

Инструментът е известен като Code Like Policies или CaP. Предлага се в GitHub под лиценз с отворен код.

Преди производителят да може да разположи роботизирани ръце във фабриката, той трябва да персонализира системите според техните изисквания. Процесът обикновено включва писане на потребителски код. Например разработчиците на производителя могат да напишат код, който насочва ръка на робот да вземе продукти от производствената линия и да ги постави в кутия.

Една компания трябва да произвежда персонализиран код всеки път, когато иска да обучи своите ботове да изпълняват нова задача. Освен това адаптирането на програми, написани за един робот, за да работят на други устройства, често изисква ръчни настройки. В резултат на това процесът на разработка може да включва значително време и усилия.

Google казва, че новопоявилият се инструмент CaP може да спести време на разработчиците чрез автоматично генериране на код за конфигурация на бот. CaP генерира код, използвайки модели на изкуствен интелект. През последните години Google и други компании разработиха усъвършенствани системи с изкуствен интелект, способни да пишат програми въз основа на потребителски указания. Използвайки тези AI системи, CaP може да генерира код, който позволява на робота да изпълнява зададени от потребителя задачи.

Изследователите на Google тестваха възможностите на CaP в поредица от вътрешни оценки. По време на един от тестовете изследователите оцениха дали CaP може да научи робота как да променя местоположението на игралните кубчета на масата. След като получи инструкцията да “подреди блоковете в квадрат около средата”, CaP успя да генерира код, който позволи на бота да пренареди блоковете.

Според Google инструментът може да се използва и за обучение на ботове за различни други задачи. Стажантът в областта на научните изследвания на Google Джаки Лианг и изследователят Анди Джън от Блог пост.

AI системите, работещи с CaP, първоначално не са били проектирани да генерират код за конфигурация на бот. Според Google нейните изследователи са обучили системите да правят това, използвайки метод, известен като low-shot learning.

Обучението на AI да изпълнява нова задача обикновено включва предоставянето му на голям брой примери за това как да изпълни задачата. С малко обучение изследователите могат да обучат AI система, като използват само няколко примера, което ускорява процеса на разработка. Изследователите на Google обучиха CaP, като му предоставиха примери за това как да превеждат инструкции на естествен език в конфигурационния код на бота.

CaP пише програми на езика за програмиране Python. В допълнение към създаването на нов код, инструментът може също така да черпи от софтуерни библиотеки, предварително пакетирани набори кодове, които автоматизират общи задачи. Google казва, че неговият подход се е оказал по-ефективен от съществуващите методи за конфигуриране на ботове за нови задачи.

„Нашите експерименти показват, че изходният код подобрява генерализацията и изпълнението на задачите в сравнение с директните учебни задачи на робота и извеждането на действия на естествен език“, обясниха Liang и Zheng подробно.

Заедно с токена CaP, Google пусна инструмент за сравнителен анализ в подкрепа на по-нататъшни изследвания. Инструментът за сравнителен анализ ще позволи на изследователите по-лесно да сравняват колко добре различните AI системи изпълняват задачи, свързани с роботиката.

Изображение: google

Покажете подкрепата си за нашата мисия, като се присъедините към общността от експерти на Cube Club и Cube Event. Присъединете се към общността, която включва Amazon Web Services и главен изпълнителен директор на Amazon.com Анди Гейси, основател и главен изпълнителен директор на Dell Technologies Майкъл Дел, главен изпълнителен директор на Intel Пат Гелсингер и много други видни личности и експерти.