麻省理工学院本周展示了一种训练机器人的新模型。与用于教机器人新任务的标准数据集不同，该方法更具规模性，模仿用于训练大型语言模型 (LLM) 的大量信息。
研究人员指出，模仿学习（即代理通过跟随执行任务的个体进行学习）在引入小挑战时可能会失败。这些挑战可能是照明、不同环境或新障碍。在这些情况下，机器人根本没有足够的数据可供利用来适应。
该团队寻求一种类似 GPT-4 的模型来通过强力数据方法解决问题。
“在语言领域，数据都是句子，”新论文的主要作者王立瑞说。“在机器人领域，考虑到数据中的各种异质性，如果你想以类似的方式进行预训练，我们需要一种不同的架构。”
该团队引入了一种名为异构预训练变压器（HPT）的新架构，该架构将来自不同传感器和不同环境的信息汇集在一起。然后使用变压器将数据汇总到训练模型中。变压器越大，输出越好。
然后用户输入机器人设计、配置和他们想要完成的工作。
“我们的梦想是拥有一个通用的机器人大脑，你可以下载它并使用它，而无需任何训练，”卡内基梅隆大学副教授戴维·赫尔德在谈到这项研究时说道。“虽然我们还处于早期阶段，但我们将继续努力，希望规模化能带来机器人策略方面的突破，就像大型语言模型一样。”
这项研究的部分资金来自丰田研究院。去年，丰田研究院首次展示了一种一夜之间训练机器人的方法。最近，该公司达成了一项具有里程碑意义的合作伙伴关系，将把其机器人学习研究与波士顿动力硬件结合起来。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/ma-sheng-li-gong-xue-yuan-shou-ci-tui-chu-shou-da-xing-yu
