Popular science work
據(jù)美國(guó)麻省理工學(xué)院官網(wǎng)近日?qǐng)?bào)道，該機(jī)構(gòu)研究人員為了訓(xùn)練更先進(jìn)的多用途機(jī)器人，開發(fā)出一種技術(shù)：使用一種稱為擴(kuò)散模型的生成式人工智能（AI），可將不同領(lǐng)域、不同形式的多個(gè)數(shù)據(jù)源整合起來(lái)，用于多種任務(wù)。
假設(shè)你想訓(xùn)練一個(gè)機(jī)器人，讓它了解如何使用工具，然后快速學(xué)會(huì)用錘子、扳手和螺絲刀來(lái)維修你的房子。為此，你需要大量數(shù)據(jù)來(lái)演示工具的使用。
現(xiàn)有的機(jī)器人數(shù)據(jù)集在形式上差異很大。例如，有些包括彩色圖像，而另一些則由觸覺印記組成。數(shù)據(jù)也可在不同的領(lǐng)域收集，如模擬或人工演示。每個(gè)數(shù)據(jù)集都可能包含一個(gè)獨(dú)特的任務(wù)和環(huán)境。
在一個(gè)機(jī)器學(xué)習(xí)模型中，很難有效地將眾多來(lái)源的數(shù)據(jù)整合在一起，因此許多模型僅使用一種類型的數(shù)據(jù)來(lái)訓(xùn)練機(jī)器人。但是，以這種方式訓(xùn)練的機(jī)器人，在某些特定任務(wù)方面的數(shù)據(jù)相對(duì)較少，通常無(wú)法在不熟悉的環(huán)境中執(zhí)行新任務(wù)。
研究人員此次改變策略，訓(xùn)練了一個(gè)單獨(dú)的擴(kuò)散模型，讓它學(xué)習(xí)使用一個(gè)特定數(shù)據(jù)集來(lái)完成一項(xiàng)任務(wù)。然后，他們將擴(kuò)散模型的學(xué)習(xí)策略組合成一個(gè)通用策略，使機(jī)器人能在各種設(shè)置中執(zhí)行多項(xiàng)任務(wù)。
在模擬和真實(shí)世界的實(shí)驗(yàn)中，這種訓(xùn)練方法使機(jī)器人能使用多種工具，并適應(yīng)訓(xùn)練期間沒有學(xué)過的新任務(wù)。與基線技術(shù)相比，這種策略組合將任務(wù)性能提高了20%。
研究人員表示，解決機(jī)器人數(shù)據(jù)集中的異質(zhì)性就像一個(gè)先有雞還是先有蛋的問題。如果想使用大量數(shù)據(jù)來(lái)訓(xùn)練通用機(jī)器人，首先需要可部署的機(jī)器人來(lái)獲取所有這些數(shù)據(jù)。利用所有可用的異質(zhì)數(shù)據(jù)，類似于研究人員對(duì)ChatGPT所做的工作，是機(jī)器人領(lǐng)域發(fā)展的重要一環(huán)。
