В момента сме на такъв етап от технологичното си развитие, че започват да се появяват първите роботи за домашни цели. Отвъд обаче познатите ни роботизирани прахосмукачки предстои в може би не толкова далечно бъдеще домовете, а и офисите да се сдобият с все повече роботи от разнообразни типове. Това носи със себе си множество положителни черти, но и някои опасения, все пак има не малко филми засягащи, макар и фантастични на този етап, опасности от изкуствения интелект и роботите.

Междувременно екипът на Google занимаващ се с разработки в сферата на роботиката, DeepMind, разкри три нови решения, които ще позволят на роботите да вземат по-бързи, по-добри и по-сигурни решения. Единият от тях включва система за събиране на обучителни данни с „Конституция за роботи“ (Robot Constitution), с което се подсигурява например, че роботът ще може да донесе хартия за принтера, но в процеса няма да прегази някой свой човешки колега, който се е озовал на пътя му.

Системата за събиране на данни AutoRT може да използва едновременно визуален езиков модел (VLM) и голям езиков модел (LLM), с което ще бъде възможно разбирането на околната среда. Така роботите ще се адаптират към непознати параметри и ще решават как да осъществят задачите си. Robot Constitution черпи вдъхновение от Трите закона на роботиката от Айзък Азимов, където той описва набор от запитвания, с които LLM е инструктиран да избягва задачи, които включват хора, животни, остри обекти и дори електрически уреди.

За допълнителна сигурност DeepMind програмира роботите да спрат автоматично ако напрежението в „ставите“ премине даден праг и включват физически метод за деактивиране ако човек реши да ги изключи. За период от седем месеца Google използва 53 робота AutoRT в четири от офис сградите си като така са проведени над 77 000 опита. Част от роботите се управляват отдалечено от хора, а други на база на код или са изцяло автономно чрез модела за обучение с изкуствен интелект Robotic Transformer (RT-2).

Роботите участващи в изпитанията са доста базови като включват камера, ръка и мобилна основа. За всеки от тях системата използва VLM за разбиране на околната среда и обектите, които са в обхват. Освен това LLM предлага списък от креативни задачи, които могат да бъдат извършени и също така избира кои от тях да бъдат реализирани.

Новите технологии на DeepMind включват още нова архитектура на невронна мрежа, SARA-RT, която има за цел да направи съществуващия Robotic Transformer RT-2 по-точен и по-бърз. Последната новост е RT-Trajectory, която добавя 2D очертания помагащи на роботите да извършват по-добре специфични физически задачи, като например чистене на маса.