CON i ricercatori hanno sviluppato un metodo di addestramento dei robot che riduce tempi e costi migliorando al tempo stesso l'adattabilità a nuovi compiti e ambienti.
L’approccio – chiamato Heterogeneous Pretrained Transformers (HPT) – combina grandi quantità di dati diversi provenienti da più fonti in un sistema unificato, creando di fatto un linguaggio condiviso che i modelli di intelligenza artificiale generativa possono elaborare. Questo metodo segna un significativo allontanamento dalla tradizionale formazione dei robot, in cui gli ingegneri in genere raccolgono dati specifici per singoli robot e attività in ambienti controllati.
Il ricercatore capo Lirui Wang, uno studente laureato in ingegneria elettrica e informatica al MIT, ritiene che, sebbene molti citino i dati di addestramento insufficienti come una sfida chiave nel roboticaun problema più grande risiede nella vasta gamma di diversi domini, modalità e hardware del robot. Il loro lavoro dimostra come combinare e utilizzare in modo efficace tutti questi diversi elementi.
Il gruppo di ricerca ha sviluppato un'architettura che unifica vari tipi di dati, tra cui immagini di telecamere, istruzioni linguistiche e mappe di profondità. L'HPT utilizza un modello di trasformatore, simile a quelli che alimentano i modelli linguistici avanzati, per elaborare input visivi e propriocettivi.
Nei test pratici, il sistema ha dimostrato risultati notevoli, superando i metodi di formazione tradizionali di oltre il 20% sia in scenari simulati che reali. Questo miglioramento è rimasto valido anche quando i robot hanno affrontato compiti significativamente diversi dai dati di addestramento.
I ricercatori hanno assemblato un impressionante set di dati per il preaddestramento, comprendente 52 set di dati con oltre 200.000 traiettorie di robot in quattro categorie. Questo approccio consente ai robot di imparare da una vasta gamma di esperienze, comprese dimostrazioni e simulazioni umane.
Una delle innovazioni chiave del sistema risiede nella gestione della propriocezione (la consapevolezza del robot della propria posizione e movimento). Il team ha progettato l'architettura per attribuire uguale importanza alla propriocezione e alla visione, consentendo movimenti più sofisticati e agili.
Guardando al futuro, il team mira a migliorare le capacità di HPT di elaborare dati senza etichetta, in modo simile ai modelli linguistici avanzati. La loro visione finale prevede la creazione di un cervello robotico universale che possa essere scaricato e utilizzato per qualsiasi robot senza ulteriore formazione.
Pur riconoscendo che sono nelle fasi iniziali, il team rimane ottimista sul fatto che il ridimensionamento potrebbe portare a sviluppi rivoluzionari nelle politiche robotiche, simili ai progressi osservati nei modelli linguistici di grandi dimensioni.
È possibile trovare una copia del documento dei ricercatori Qui (PDF)
(Foto di Fotografia posseduta)
Vedi anche: Robot IA jailbreak: i ricercatori lanciano l'allarme sulle falle di sicurezza
Vuoi saperne di più sull'intelligenza artificiale e sui big data dai leader del settore? Guardare Fiera dell'intelligenza artificiale e dei big data che si svolge ad Amsterdam, in California, e a Londra. L'evento completo è collocato in contemporanea con altri eventi importanti, tra cui Conferenza sull'automazione intelligente, BlockX, Settimana della trasformazione digitaleE Fiera sulla sicurezza informatica e sul cloud.
Esplora altri prossimi eventi e webinar sulla tecnologia aziendale forniti da TechForge Qui.
Fonte: www.artificialintelligence-news.com
