麻省理工学院的突破可能会改变机器人训练

麻省理工学院的突破可能会改变机器人训练

麻省理工学院的研究人员开发出了一种机器人训练方法,可以减少时间和成本,同时提高对新任务和环境的适应性。

这种方法称为异构预训练变压器 (HPT),它将来自多个来源的大量不同数据组合成一个统一的系统,有效地创建了一种生成式 AI 模型可以处理的共享语言。这种方法与传统的机器人训练有很大不同,在传统的机器人训练中,工程师通常会在受控环境中为单个机器人和任务收集特定数据。

首席研究员王李瑞(麻省理工学院电气工程和计算机科学研究生)认为,尽管许多人认为训练数据不足是机器人技术面临的一个关键挑战,但更大的问题在于领域、模式和机器人硬件的多样性。他们的工作展示了如何有效地结合和利用所有这些不同的元素。

研究团队开发了一种架构,可以统一各种数据类型,包括相机图像、语言指令和深度图。HPT 利用类似于高级语言模型的变换器模型来处理视觉和本体感受输入。

在实际测试中,该系统表现出了显著的效果——在模拟和真实场景中,其表现都比传统训练方法高出 20% 以上。即使机器人遇到与训练数据明显不同的任务,这种改进仍然有效。

研究人员收集了一个令人印象深刻的预训练数据集,其中包括 52 个数据集,涵盖四个类别的 200,000 多条机器人轨迹。这种方法使机器人能够从丰富的经验中学习,包括人类的演示和模拟。

该系统的关键创新之一在于其对本体感受(机器人对其位置和运动的意识)的处理。该团队设计的架构同样重视本体感受和视觉,从而实现更复杂的灵巧动作。

展望未来,该团队的目标是增强 HPT 处理未标记数据的能力,类似于高级语言模型。他们的最终愿景是创建一个通用机器人大脑,可以下载并用于任何机器人,而无需额外训练。

尽管承认他们还处于早期阶段,但该团队仍然乐观地认为,扩展可能导致机器人策略的突破性发展,类似于大型语言模型所取得的进展。

原创文章,作者:点点,如若转载,请注明出处:https://www.dian8dian.com/ma-sheng-li-gong-xue-yuan-de-tu-po-ke-neng-hui-gai-bian-ji

Like (0)
点点的头像点点
Previous 2024年11月4日
Next 2024年11月4日

相关推荐

发表回复

Please Login to Comment