Symulacja uczy roboty poruszać się po świecie

fot. pixabay

Zespół robotyków i inżynierów z MIT CSAIL opracował generatywny model sztucznej inteligencji przeznaczony do nauczania robotów poruszania się po terenie i wokół obiektów w świecie rzeczywistym. Grupa opublikowała artykuł opisujący ich pracę i możliwe zastosowania na serwerze arXiv.

Aby roboty mogły poruszać się w świecie rzeczywistym, należy wyszkolić je w uczeniu się w locie lub trenować za pomocą filmów przedstawiających podobne roboty w środowisku rzeczywistym. Chociaż takie podejście okazało się skuteczne w ograniczonych lokalizacjach, zawodzi gdy robot napotyka coś nowego. W ramach nowego przedsięwzięcia zespół z MIT opracował wirtualne szkolenie, które lepiej przekłada się na świat rzeczywisty.

Praca obejmowała wykorzystanie generatywnej sztucznej inteligencji i symulatora fizycznego, aby umożliwić robotowi poruszanie się po świecie wirtualnym, co miało stanowić środek do nauki działania w świecie rzeczywistym. Stworzony system został nazwany LucidSim, a badacze użyli go do wyszkolenia czworonożnego robota w parkourze - sporcie, w którym ludzie próbują pokonywać przeszkody w nieznanym terenie tak szybko, jak to możliwe.

W ramach rozwiązania ChatGPT wysyła tysiące zapytań, które mają na celu skłonienie LLM do tworzenia opisów szerokiego zakresu środowisk. Następnie opisy podane przez ChatGPT są przekazywane do systemu mapowania 3D, który wykorzystuje je (wraz z obrazami tworzonymi przez SI i symulatorami fizycznymi) do generowania wideo, podając trajektorię, po której ma podążać robot.

Następnie ten szkolony jest, aby poruszać się po terenie w świecie wirtualnym i uczyć się umiejętności, których może używać w prawdziwym środowisku. Roboty trenowane za pomocą systemu nauczyły się wspinać na skrzynki, wchodzić po schodach i radzić sobie z tym co napotkają. Po wirtualnym szkoleniu prawdziwy robot został przetestowany w realnym środowisku.

Naukowcy zweryfikowali swój system, używając małego, czworonożnego robota wyposażonego w kamerę internetową. Odkryli, że działał on lepiej niż podobny system szkolony w tradycyjny sposób. Zespół sugeruje, że ulepszenia ich systemu mogą doprowadzić do nowego podejścia do ogólnego szkolenia robotów.

 (rr)