RFM-1 Covariant libera el poder del lenguaje de los robots

Covariant anunci籀 el lanzamiento de RFM-1 (Modelo 1 de Fundaci籀n de Rob籀tica) esta semana. Peter Chen, cofundador y CEO de la divisi籀n de inteligencia artificial de UC Berkeley, hizo el anuncio.

`html

癒Covariant est獺 creando ChatGPT para robots!

Covariant, la empresa de inteligencia artificial derivada de UC Berkeley, acaba de anunciar el lanzamiento de su Modelo de Fundaci籀n de Rob籀tica 1 (RFM-1). Pero, 聶qu矇 es exactamente RFM-1, te preguntar獺s? Bueno, seg繳n Peter Chen, co-fundador y CEO de Covariant, b獺sicamente es un gran modelo de lenguaje (LLM) para el lenguaje de los robots.

RFM-1 es el resultado de una enorme colecci籀n de datos recopilados de la plataforma Brain AI de Covariant, que ha sido desplegada en varios almacenes. Con el consentimiento de los clientes, Covariant ha estado construyendo una impresionante base de datos dise簽ada espec穩ficamente para robots. 癒Hablemos de sentar las bases! 儭

Entonces, 聶cu獺l es la gran visi籀n detr獺s de RFM-1? Seg繳n Chen, se trata de impulsar a los miles de millones de robots por venir. Covariant ya ha desplegado con 矇xito robots en almacenes, pero tienen la mira puesta en cosas a繳n m獺s grandes. El plan es dotar de energ穩a a robots en la fabricaci籀n, procesamiento de alimentos, reciclaje, agricultura, la industria de servicios e incluso en los hogares de las personas. 癒Imag穩nate tener tu propio mayordomo robot!

Curiosamente, el lanzamiento de RFM-1 coincide con una creciente discusi籀n sobre el futuro de los sistemas rob籀ticos de prop籀sito general. Esta conversaci籀n ha sido alimentada por la emergencia de empresas de rob籀tica humanoides, como Agility, Figure, 1X y Apptronik. La adaptabilidad similar a la humana de los robots humanoides ha sido un tema de inter矇s, pero la verdadera pregunta radica en la robustez de sus sistemas de IA y software. 聶Podr獺n enfrentar los desaf穩os que se les presenten?

Actualmente, el software de Covariant es principalmente desplegado en brazos rob籀ticos industriales, realizando tareas como la selecci籀n de contenedores en almacenes. Aunque a繳n no se han aventurado en el 獺mbito de los androides, Covariant promete cierto nivel de agnosticismo de hardware. Est獺n atentos al progreso en el espacio de hardware de robots de prop籀sito general, ya que la convergencia de la inteligencia y los avances en hardware sin duda desbloquear獺 una multitud de emocionantes aplicaciones de robots.

Ahora, adentr矇monos en lo que hace destacar a RFM-1. El material de prensa de Covariant afirma que RFM-1 otorga a los robots capacidades de razonamiento similar a las humanas, proporcionando a los robots comerciales un entendimiento m獺s profundo del lenguaje y el mundo f穩sico. 唐 聶Pero qu矇 significa realmente razonamiento similar al humano?

En t矇rminos pr獺cticos, significa que RFM-1 permite a los robots procesar datos del mundo real y determinar la mejor acci籀n a tomar para completar sus tareas. Esto difiere de los sistemas rob籀ticos tradicionales que est獺n programados para realizar una tarea 繳nica repetidamente. Imagina un brazo rob籀tico en una l穩nea de ensamblaje haciendo la misma tarea todos los d穩as. 癒Predecible y mon籀tono, 聶verdad?

Sin embargo, incluso la m穩nima desviaci籀n de la norma puede complicar las cosas. Cambios en la ubicaci籀n de objetos o modificaciones en las condiciones de iluminaci籀n pueden afectar significativamente la capacidad de un robot para ejecutar tareas. Y olv穩date de introducir nuevos materiales o tareas por completo. 癒Eso es un nuevo nivel de complejidad! 仁

Tradicionalmente, los programadores tendr穩an que intervenir para reprogramar al robot, pero esto conlleva un coste en tiempo y recursos. Covariant quiere proporcionar una soluci籀n alternativa, y aqu穩 es donde brilla RFM-1. Su objetivo es crear una interacci籀n m獺s natural entre humanos y robots, al igual que tener una conversaci籀n con el modelo de lenguaje ChatGPT. Imagina decirle a un robot: levanta la manzana y que realice la tarea bas獺ndose en su entrenamiento y comprensi籀n de los objetos. 聶Qu矇 te parece?

Durante una demostraci籀n en vivo, RFM-1 exhibi籀 sus capacidades al comprender exitosamente comandos como levanta el objeto rojo o el m獺s complejo sem獺nticamente levanta lo que te pusiste en los pies antes de ponerte los zapatos. En respuesta, el robot recogi籀 correctamente una manzana e incluso un par de calcetines. 癒Felicidades a RFM-1 por aprobar esa prueba!

Covariant tiene una impresionante formaci籀n cuando se trata de los fundadores. Peter Chen estudi籀 IA en Berkeley bajo Pieter Abbeel, su co-fundador y el cient穩fico jefe de Covariant. Abbeel tambi矇n es un miembro temprano de OpenAI. Con tal experiencia detr獺s de RFM-1, no hay duda de que tiene un gran potencial.

Ahora, abordemos algunas preguntas candentes que podr穩as tener:

P&R

P: 聶C籀mo difiere RFM-1 de los sistemas rob籀ticos tradicionales?

html

A: A diferencia de los robots tradicionales que est獺n dise簽ados para un solo prop籀sito y requieren reprogramaci籀n para cualquier cambio, el RFM-1 permite una mayor flexibilidad y adaptabilidad. Puede procesar datos del mundo real y tomar decisiones basadas en su comprensi籀n del lenguaje y el mundo f穩sico.

P: 聶Puede el RFM-1 trabajar con diferentes tipos de robots?

A: Covariant tiene como objetivo que el RFM-1 sea independiente del hardware, lo que significa que deber穩a funcionar con la mayor穩a del hardware en el que el software de Covariant ya est獺 desplegado. Esto abre numerosas posibilidades para integrar el RFM-1 en varios sistemas de robots.

P: 聶C籀mo funciona la comprensi籀n del lenguaje del RFM-1?

A: El RFM-1 utiliza datos de entrenamiento para interpretar y entender comandos dados al robot. Toma en cuenta factores como la forma, color, tama簽o de los objetos y otros par獺metros relevantes para identificar e interactuar con los objetos deseados.

P: 聶Cu獺les son las posibles aplicaciones del RFM-1?

A: El RFM-1 tiene una amplia gama de aplicaciones potenciales. Puede ser desplegado en industrias como la manufactura, procesamiento de alimentos, reciclaje, agricultura, la industria de servicios e incluso en hogares. 癒Las posibilidades son ilimitadas!

Para obtener m獺s informaci籀n sobre el RFM-1 y Covariant, puedes consultar estos recursos adicionales:

儭 No olvides compartir este art穩culo con tus amigos y entusiastas de la tecnolog穩a. 癒Difundamos la noticia sobre los emocionantes desarrollos en el mundo de los robots!

Im獺genes: Fuente

`