深思維的機器貓學會執行多項機器人任務
作者: Kyle Wiggers
報導時間: 8 小時前
深思維（DeepMind）表示他們已經開發出一種名為「機器貓」（RoboCat）的人工智慧模型，能夠在不同型別的機器人手臂上執行各種任務。這本身並不是特別新穎的技術。但深思維聲稱，該模型是第一個能夠解決和適應多個任務，並在不同真實機器人上執行這些任務的模型。「我們展示了一個單一的大型模型能夠解決多樣的任務，並在多個真實機器人上迅速適應新的任務和外形」，深思維的研究科學家 Alex Lee 在接受 TechCrunch 的電子郵件存取時這樣表示。
深思維的機器貓模型受到 Gato 的啟發，Gato 是深思維的一個能夠分析和操作文字、影象和事件的人工智慧模型。機器貓訓練時使用了在模擬和現實生活中的機器人收集的影象和行動資料。李表示這些資料來自虛擬環境中其他控制機器人模型的組合、人類控制機器人以及之前的機器貓版本。
為了訓練機器貓，深思維的研究人員首先收集了由人類控制機械臂進行的任務或機器人操作的 100 至 1,000 次示範（例如機械臂拾取齒輪或堆疊積木等）。然後，他們對機器貓進行了著重在該任務上的微調，建立了一個特殊的「副本」模型，平均練習該任務 10,000 次。利用這些副本模型生成的資料和示範資料，研究人員不斷擴充機器貓的訓練資料集，並訓練後續的新版本機器貓。
機器貓的最終版本總共訓練了 253 項任務，並在 141 個這些任務的變形上進行了基準測試，包括模擬和現實世界的測試。深思維聲稱，在觀察 1,000 個人類控制的示範後，機器貓學會了操作不同的機器人手臂。儘管機器貓在學習過程中使用了具有雙叉臂的四種機器人，但該模型還能夠適應具有三指夾爪和兩倍控制輸入的更複雜手臂。深思維在測試中發現，機器貓在各種任務中的成功率從 13％到 99％不等。在訓練資料中，如果示範次數減少一半，成功率也可預見地降低。然而在某些場景中，深思維聲稱機器貓只需 100 個示範即可學會新的任務。
深思維的研究人員 Lee 認為，機器貓可能為解決機器人的新任務降低了門檻。「只要提供有限數量的新任務示範，機器貓就能夠對新任務進行微調，並進一步生成更多資料以進一步提升自己」，他補充道。未來，研究團隊的目標是將需要教授機器貓完成新任務的示範次數減少到不到 10 次。
總結而言，深思維的機器貓模型展示了一種在多個真實機器人上解決多樣任務和快速適應新任務的能力。儘管在測試中成功率有所不同，但機器貓的成功經驗意味著更少的示範次數就可以學習新的任務，從而為解決機器人新任務的門檻降低了。未來，這項技術可能對機器人領域帶來更大的革新。
延伸閱讀
- 人形機器人正在學習優雅地跌倒
- 藍天公司支援專案，促使 Mastodon 應用程式（如 Ivory）能在其網路上執行
- 非洲 B2B 電子商務初創企業可以從 OmniRetail 的盈利奧祕中學到什麼
- 技術新聞網站：CodeSignal 執行長 Tigran Sloyan 談關閉人才缺口和減少招聘中的偏見
- 從 Glasswing 的 Rudina Seseri 在 TechCrunch Early Stage 2024 學習如何實現年營收達到 100 萬美元
- 現在是時候好好梳理你的方案書了
- Kyron Learning 獲得 1,460 萬美元資金，擴大其會話式人工智慧技術
- 亞馬遜推出新晶片，用於訓練和執行 AI 模型
- 解讀 Epic-Google 反壟斷案件：本週我們學到的 5 件事
- 為何 Flip AI 要建立自定義大型語言模型來執行其觀測平臺
