محققان MIT تکنیک آموزشی پیشرفته HPT را برای ربات ها معرفی کردند

در 28 اکتبر، محققان MIT تکنیک جدیدی را برای آموزش ربات های همه منظوره معرفی کردند که نویدبخش بهبود کارایی و سازگاری بود. این روش با الهام از مدل های زبان بزرگ (LLM) که ممکن است از ابزارهای هوش مصنوعی مولد آن را بشناسید، ترانسفورماتورهای از پیش آموزش دیده ناهمگن (HPT) نامیده می شود. با ترکیب داده‌های متنوع از حوزه‌ها و روش‌های مختلف، HPT به ربات‌ها اجازه می‌دهد تا کارهای جدید را بدون نیاز به شروع آموزش از ابتدا یاد بگیرند.

آموزش پیشرفته ربات با HPT

لیروی وانگیک دانشجوی فارغ التحصیل مهندسی برق و علوم کامپیوتر و نویسنده اصلی این مطالعه، توضیح می دهد: «در رباتیک، مردم اغلب ادعا می کنند که ما داده های آموزشی کافی نداریم. اما به نظر من، مشکل بزرگ دیگر این است که داده‌ها از دامنه‌ها، روش‌ها و سخت‌افزار ربات مختلف می‌آیند. کار ما نشان می دهد که چگونه می توانید یک ربات را با همگی آنها آموزش دهید."

همچنین جالب: MIT ربات های نرم را با بدنه های انعطاف پذیر و کشسان توسعه می دهد

مزیت اصلی این تکنیک توانایی آن در ادغام داده ها از منابع مختلف در یک سیستم یکپارچه است. این رویکرد شبیه نحوه آموزش مدل‌های زبان بزرگ است که به دلیل داده‌های آموزشی گسترده و متنوع، در بسیاری از وظایف مهارت نشان می‌دهد. HPT ربات ها را قادر می سازد تا از طیف وسیعی از تجربیات و محیط ها بیاموزند.

HPT با کاهش زمان و هزینه آموزش روبات ها مزایای قابل توجهی را ارائه می دهد. به طور سنتی، آموزش ربات‌ها برای کارهای خاص از نظر زمان و هزینه منابع فشرده بوده است. ربات‌ها می‌توانند با این روش جدید به عملکرد بهتری دست یابند، به طوری که داده‌ها 20 درصد بهبود در شبیه‌سازی و کاربردهای دنیای واقعی را نسبت به تکنیک‌های قبلی نشان می‌دهند.

جیالیانگ ژائویکی از نویسندگان و همکار دانشجوی فارغ التحصیل EECS، می افزاید: «رویای ما این است که یک مغز روبات جهانی داشته باشیم که بتوانید بدون هیچ آموزشی آن را دانلود و برای ربات خود استفاده کنید. در حالی که ما در مراحل اولیه هستیم، به سختی ادامه خواهیم داد و امیدواریم که مقیاس‌بندی منجر به پیشرفت در سیاست‌های روباتیک شود، مانند مدل‌های زبانی بزرگ.

تاثیر بر صنعت و چشم انداز آینده

این توسعه پیامدهای مهمی برای صنایع متکی بر رباتیک دارد. همانطور که روبات‌ها سازگارتر و کارآمدتر می‌شوند، استفاده از ساخت، مراقبت‌های بهداشتی و لجستیکی آنها می‌تواند ساده‌تر شود. توانایی انطباق سریع با وظایف و محیط های جدید بدون بازآموزی گسترده می تواند منجر به پذیرش گسترده رباتیک در بخش های مختلف شود.

قبل از اینکه بری: آنچه روبات ها می توانند در درون شما انجام دهند [ویدئو]

با نگاهی به آینده، هدف محققان ایجاد یک "مغز رباتیک" جهانی است که می تواند بارگیری و در پلتفرم های مختلف رباتیک استفاده شود. اگرچه هنوز در مراحل اولیه خود است، اما این چشم انداز پتانسیل تغییر رباتیک را با امکان انطباق پذیری و کاربرد یکپارچه بدون موانع فعلی ویژگی داده ها و محدودیت های سخت افزاری دارد.

به طور خلاصه، توسعه HPT توسط MIT یک گام مهم رو به جلو در زمینه رباتیک است و نگاهی اجمالی به آینده ای ارائه می دهد که در آن ربات ها نه تنها توانمندتر، بلکه در دسترس تر و همه کاره تر هستند. با توسعه این فناوری، می‌تواند نقش روبات‌ها را در جامعه بازتعریف کند و آنها را به ابزارهای ضروری در بسیاری از صنایع تبدیل کند.

YouTube: PoCo – ترکیب خط مشی از و برای یادگیری ربات ناهمگن (Lirui Wang، Jialiang Zhao، Yilun Du، Edward Adelson، Russ Tedrake)

اعتبار عکس: تصاویر نشان داده شده توسط محققان و MIT است و به عنوان بخشی از یک بیانیه مطبوعاتی ارائه شده است.
منبع: MIT اطلاعیه مطبوعاتی