详细内容或原文请订阅后点击阅览
机器人能从机器梦中学习吗？
麻省理工学院 CSAIL 的研究人员使用人工智能生成的图像训练机器狗进行跑酷，而无需现实世界的数据。他们的 LucidSim 系统展示了生成人工智能在创建机器人训练数据方面的潜力。
来源:MIT新闻 - 人工智能对于机器人专家来说，一个挑战高于其他所有挑战：泛化——创造能够适应任何环境或条件的机器的能力。自 20 世纪 70 年代以来，该领域已经从编写复杂的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。但仍然存在一个关键的瓶颈：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。这个过程传统上需要人工监督，操作员小心翼翼地挑战机器人以扩展它们的能力。随着机器人变得越来越复杂，这种动手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，麻省理工学院计算机科学与人工智能实验室 (CSAIL) 的研究人员团队开发了一种新颖的机器人训练方法，可以显著加速在现实环境中部署适应性强的智能机器。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表现。
LucidSimLucidSim 将物理模拟与生成式人工智能模型相结合，解决了机器人技术中最持久的挑战之一：将在模拟中学习到的技能转移到现实世界。“机器人学习的一个基本挑战长期以来一直是‘模拟与现实的差距’——模拟训练环境与复杂、不可预测的现实世界之间的差异，”麻省理工学院 CSAIL 博士后 Ge Yang 说道，他是 LucidSim 的首席研究员。“以前的方法通常依赖深度传感器，这简化了问题，但忽略了关键的现实世界复杂性。”
一个想法的诞生：从墨西哥卷饼到突破
一个想法的诞生：从墨西哥卷饼到突破谁是真正的专家？