Robotics Transformer 2.(Nguồn: Google)

Hình ảnh robot như những trợ lý đáng tin cậy đã trở thành một phần trong trí tưởng tượng chung của con người trong nhiều thập kỷ qua. Bất chấp những tầm nhìn tương lai,đạtđượcbướctiếnmớitronglĩnhvựcchếtạxem tin tức bóng đá việc hiện thực hóa những trợ lý robot này trên thực tế vẫn mang tính khoa học viễn tưởng hơn là thực tế.

Nhưng với những bước tiến của nhóm nghiên cứu DeepMind thuộc Google, giới công nghệ đã có cái nhìn sơ khai về bước đột phá thú vị nhằm định nghĩa lại lĩnh vực chế tạo robot của con người: sự ra đời của Robotics Transformer 2 (RT-2).

RT-2 là mô hình tầm nhìn-ngôn ngữ-hành động mang tính tiên phong. DeepMind phát triển mô hình này bằng cách sử dụng các kỹ thuật dựa trên transformer-mô hình học sâu (deep learning) được dùng chủ yếu ở lĩnh vực xử lý ngôn ngữ tự nhiên và thị giác máy tính-và đào tạo nó dựa trên các dữ liệu văn bản và hình ảnh thu thập được từ Internet.

Đột phá quan trọng của RT-2 nằm ở khả năng thực hiện trực tiếp các hành động của robot. Về cơ bản, RT-2 học các khái niệm và ý tưởng chung từ dữ liệu web, sau đó áp dụng kiến thức đó để thông báo hành vi cho robot, giúp robot “hiểu” và “nói” thứ ngôn ngữ vận hành nên chúng một cách hiệu quả.