Badacze MIT postąpili o krok naprzód w drodze do stworzenia humanoidalnych robotów zdolnych do skutecznego realizowania różnych zadań. Naukowcy udowodnili skuteczność nowej metody i chwalą się wynikami.
Naukowcy z MIT (Massachusetts Institute of Technology) opracowali nową metodę uczenia robotów humanoidalnych z wykorzystaniem generatywnej sztucznej inteligencji nazywanej modelami dyfuzyjnymi, która może przynieść zauważalne efekty w szybkim uczeniu robotów. Celem jaki wyznaczyła sobie grupa naukowców jest skutecznie nauczenie robota wykonywania różnych zadań, z wykorzystaniem różnych narzędzi.
Metoda nazwana Policy Composition (PoCo) opiera się na zdolności AI do łączenia specyficznych danych uzyskanych przy wykonywaniu prostych zadań w większe zbiory. Połączenie danych zebranych przez jeden model dyfuzyjny (AI) podczas wykonywania różnych zadań w jedną bazę (politykę), umożliwia zrealizowanie innych nawet wcześniej nieznanych robotowi zadań, z wykorzystaniem różnych narzędzi.
Trening modeli dyfuzyjnych w ramach Policy Composition opiera się na wykonywaniu prostych zadań jak krojenie, wbijanie gwoździ czy przewracanie placków na patelni. Naukowcy przetestowali metodę PoCo w symulacji i na robotach ramieniowych. Zastosowanie metody opracowanej przyniosło 20% poprawę wydajności w realizowaniu zadań, w porównaniu robotów wytrenowanych metodami podstawowymi.
Zobacz: Drużyna piłkarska robotów? Nim się obejrzymy, nadejdą zmiany
Zobacz: USA chce wykrwawić Chiny. Produkcja tylko na Zachodzie
Źródło zdjęć: Shutterstock | VesnaArt
Źródło tekstu: MIT News, Tech Crunch | oprac. wł.
