详细内容或原文请订阅后点击阅览
机器人可以从“机器梦”中学习吗？
麻省理工学院计算机科学与人工智能实验室的科学家使用人工智能生成的图像训练机器狗进行跑酷，而无需使用现实世界的数据。跑酷是一项非竞争性的体育运动，参与者利用身体在环境中移动以克服障碍——基本上就像穿越障碍赛道一样。CSAIL 的 LucidSim 系统展示了 GenAI 的潜力 […]
来源:机器人与自动化新闻麻省理工学院计算机科学与人工智能实验室的科学家使用人工智能生成的图像训练机器狗进行跑酷，而无需使用现实世界的数据。
计算机科学与人工智能实验室跑酷是一项非竞争性的体育运动，参与者使用身体在环境中移动以克服障碍 - 基本上就像在障碍赛道上导航一样。
CSAIL 的 LucidSim 系统展示了 GenAI（生成式人工智能或生成式人工智能）在创建相关机器人训练数据方面的潜力，使机器人能够在障碍导航和爬楼梯等复杂任务中达到专家级表现。
CSAIL 的 LucidSim 系统对于机器人专家来说，一个挑战高于一切：泛化 - 创建能够适应任何环境或条件的机器的能力。自 1970 年代以来，该领域已经从编写复杂程序发展到使用深度学习，教机器人直接从人类行为中学习。
但一个关键的瓶颈仍然存在：数据质量。为了改进，机器人需要遇到突破其能力界限的场景，在掌握的边缘运行。
这一过程传统上需要人工监督，操作员会小心翼翼地挑战机器人以扩展其能力。随着机器人变得越来越复杂，这种亲自动手的方法遇到了一个扩展问题：对高质量训练数据的需求远远超过了人类提供数据的能力。
现在，麻省理工学院 CSAIL 的研究人员团队开发了一种新颖的机器人训练方法，可以显著加速适应性智能机器在现实环境中的部署。
这个名为“LucidSim”的新系统利用生成式人工智能和物理模拟器的最新进展来创建多样化和逼真的虚拟训练环境，帮助机器人在没有任何真实数据的情况下在困难任务中实现专家级的表现。