近日，谷歌旗下的AI團隊DeepMind推出了一個可以自我改進、自我提升的用于機器人的AI智能體，名為RoboCat。
RoboCat本質上是由AI賦能的軟件程序，可以作為機器人的“大腦”，由其加持的機器人與傳統機器人不同之處在于，RoboCat機器人更具“通用性”，并可實現自我改進、自我提升。
【資料圖】
DeepMind稱，RoboCat是全球第一個可以解決和適應多種任務的機器人AI智能體，并且它可以在各類真實的機器人產品上完成這些任務。
據DeepMind的介紹，只需要通過100次左右的演示，RoboCat就可以學會操控機械臂來完成各式各樣的任務，然后通過自生成的數據來進行迭代改進。
要知道，構建通用機器人之所以進展緩慢，一個重要原因就是收集真實世界的訓練數據需要時間，而RoboCat的快速學習能力減少了對人類監督訓練的需求，可以說是朝著創建通用機器人邁出了重要一步。
從發布的視頻中可以看到，RoboCat已經可以通過自主學習操控機械臂，完成“套圈”“搭積木”“抓水果”等任務，這些任務看似簡單，但考驗了機械臂操作的精準度、理解力以及對于形狀匹配難題的解決能力。
最重要的是，不論是它操控的機械臂還是要完成的任務，RoboCat之前從來沒見過，如今，RoboCat完成一項新任務的成功率已經從初期的36%提升至74%。
RoboCat 用到的關鍵技術之一，是一種多模態模型Gato，而Gato在西班牙語里意為“貓”（cat），這也是“RoboCat”這一命名的由來之一。
Gato模型可以在模擬環境和物理環境中處理語言、圖像和動作，研究人員將Gato的架構與一個大型訓練數據集進行了結合，這個數據集包含100-1000個各種機械臂完成任務的演示。
基于原始數據集和新訓練產生的數據，RoboCat的數據集將包含數百萬次的訓練軌跡數據，它學習的新任務越多，它就能更好地學習和解決額外的新任務。
此前研究人員已經在機器人大規模學習多種任務方面進行了探索，并將對語言模型的理解與現實世界的機器人能力相結合，而RoboCat的進步性在于，它是第一個可以解決和適應多種任務的機器人 AI 智能體。
DeepMind的論文顯示，執行任務成功率的大幅提升，是由于RoboCat的經驗越來越豐富，就像人們在特定領域加深學習時發展出更多樣化的技能一樣，并且RoboCat完成現實世界訓練任務的成功率要遠高于傳統基于視覺的模型方案，這也是 DeepMind 研究的重要價值所在。
RoboCat這種“通用性學習能力”對于加快機器人領域的研究有重要意義，DeepMind認為，RoboCat獨立學習技能、快速自我提升的能力，以及對于不同硬件設備的快速適應能力，將對新一代通用機器人AI智能體的發展起到重要推動作用。
關鍵詞：
