详细内容或原文请订阅后点击阅览
麻省理工学院的新型机器狗在生成式人工智能模拟中学会了走路和爬行
训练 AI 模型来控制机器人时面临的一大挑战是收集足够的现实数据。现在，麻省理工学院的研究人员已经证明他们可以使用 100% 合成数据来训练机器狗。传统上，机器人是手工编码来执行特定任务的，但这种方法会导致系统脆弱，难以应对不确定性 […]
来源:Singularity Hub _Robotics训练 AI 模型来控制机器人时，一大挑战是收集足够的真实数据。现在，麻省理工学院的研究人员已经证明，他们可以使用 100% 的合成数据来训练机器狗。
传统上，机器人都是手工编码来执行特定任务的，但这种方法会导致系统脆弱，难以应对现实世界的不确定性。使用现实世界示例训练机器人的机器学习方法有望创造出更灵活的机器，但收集足够的训练数据是一项重大挑战。
一种潜在的解决方法是使用现实世界的计算机模拟来训练机器人，这使得为它们设置新任务或环境变得简单得多。但这种方法受到“模拟到现实的差距”的困扰——这些虚拟环境仍然是现实世界的糟糕复制品，在其中学到的技能往往无法转化。
训练机器人 计算机模拟现在，麻省理工学院 CSAIL 的研究人员已经找到了一种将模拟和生成式 AI 结合起来的方法，使机器人能够在没有现实世界数据的情况下完成一系列具有挑战性的运动任务。
麻省理工学院 CSAIL 的研究人员已经找到了一种方法“机器人模拟到现实转移的主要挑战之一是在模拟环境中实现视觉真实感，”斯坦福大学的 Shuran Song 在麻省理工学院的一份新闻稿中表示，他没有参与这项研究。
麻省理工学院的新闻稿“LucidSim 框架通过使用生成模型为任何模拟创建多样化、高度逼真的视觉数据，提供了一种优雅的解决方案。这项工作可以大大加快在虚拟环境中训练的机器人在现实世界任务中的部署。”
研究人员将这个数据生成管道命名为 LucidSim，并用它来训练一个人工智能模型，使其仅使用视觉输入就能控制四足机器人。该机器人学会了一系列运动任务，包括上下楼梯、爬箱子和追足球。
告诉《麻省理工技术评论》