DeepMind引领机器人技术革新：从“机器人宪法”到高效决策-电子工程世界

随着在生活、工作中的普及，机器人与人的协调共生、安全共存愈发引起大家的关注。谷歌DeepMind机器人团队2024年1月4日公布了三项新进展，称这些进展将帮助机器人在做出更快、更好、更安全的决策。此次更新引入了AutoRT、SARA-RT和RT-Trajectory三个系统，分别改进了机器人的数据收集、速度和泛化。其中较为引人注目的是，DeepMind起草了“机器人宪法”，并将其引入数据收集系统AutoRT，以确保机器人助理不会伤害到人类。

“机器人宪法”的灵感来自美国科幻小说家艾萨克·阿西莫夫（Isa Asimov）提出的“机器人三定律”，它被描述为一组“以安全为重点的提示”，指示LLM避免选择涉及人类、动物、尖锐物体甚至电器的任务。

机器人宪法

AutoRT是一个数据收集系统，可以使用视觉语言模型（VLM）和大型语言模型（LLM）协同工作，以了解环境、适应陌生环境、并决定适当的任务。

该系统设有安全护栏，其中之一是为其决策者提供“机器人宪法”——一套以安全为重点的提示，以便在为机器人选择任务时遵守。

为了提高安全性，DeepMind对机器人进行了，对其关节处设限，使其在关节的用力超过一定阈值时自动停止，并安装了一个物理终止开关，操作人员可以使用它来关闭机器人。

谷歌表示在过去7个月的时间里，部署了一支由53台AutoRT机器人组成的机群，分别部署在四个不同的办公楼，并进行了超过77000次试验。

一些机器人由人类操作员远程控制，而另一些机器人则根据脚本或完全自主地使用谷歌的学习模型Robocs Transfmer 2（RT-2）进行操作。

试验中使用的机器人只配备了一个摄像头、臂和移动基座。

这份报告中写道，“对于每个机器人，系统使用VLM来了解其环境和视线内的物体。接下来，LLM会提出一系列机器人可以执行的创造性任务，比如‘把零食放在台面上’，并扮演决策者的角色，为机器人选择合适的任务。”

此外，DeepMind的其他新技术包括SARA-RT系统，这是一种架构，旨在使现有的RT-2模型更准确、更快。

SARA-RT-2模型在接收了较短的图像历史后，准确率比RT-2模型高10.6%，速度快14%。

该团队还宣布了RT-Trajectory系统，它增加了2D轮廓，以帮助机器人更好地完成特定的物理任务，比如擦桌子。