(ویدیو) رباتی که دنیا را می‌بیند و درک می‌کند

مدل‌های جدیدی که در رباتیک مورد استفاده قرار می‌گیرند، ربات هوشمند را یک قدم جلوتر برده‌اند. مدل‌های بینایی-زبان-عملی (vlams)داده‌های متنی و تصویری را به همراه داده‌های مربوط به حضور ربات در دنیای فیزیکی، از جمله خوانش حسگرهای داخلی (مانند گیره‌ها یا انگشتان دست ربات)، درجه چرخش مفاصل مختلف و موقعیت‌های محرک‌ها را دریافت می‌کنند. سپس به کمک مدل‌های به‌دست‌آمده ربات می‌تواند به سؤالاتی مانند «می‌توانی سیب را ببینی؟» پاسخ دهد.

به گزارش دنیای اقتصاد، ماهیت چندوجهی مدل‌های بینایی-زبان-عملی به ربات‌ها این امکان را می‌دهد تا با عقل پویا و دانش درباره جهان بتواند این واقعیت را پردازش کند که سیب «نوعی میوه» و «خوراکی» است.

از طرف دیگر چنین مدل‌هایی به ربات این امکان را می‌دهد تا پاسخگوی اعمال خود باشد و بتواند توضیح دهد. توانایی برقراری دیالوگ میان ربات و انسان، کار را برای افراد غیرمتخصص آسان‌تر می‌سازد.

در ویدئوی منتشرشده، فردی از فیگور ۰۱ سؤال می‌کند که چه چیزی روبه‌روی او قرارداده شده است و ربات در پاسخ همه‌ی آیتم‌های روی میز را نام می‌برد؛ در ادامه از او خواسته می‌شود که یک خوراکی که روی میز قرار گرفته است را جدا کند و او سیب را انتخاب می‌کند.

فرد مصاحبه‌کننده تعدادی زباله روی میز قرار می‌دهد و از ربات Figure ۰۱ می‌خواهد که در حین جمع کردن زباله‌ها، علت انتخاب سیب را توضیح دهد؛ او پاسخ می‌دهد که تنها موردی که روی میز قابل خوردن بود، سیب بود.