Как новая технология объединяет множество данных для быстрого и качественного обучения роботов общего назначения

Обучение роботов общего назначения — это дело не из лёгких. Оно требует много данных, что получается и дорого, и сложно. Кроме того, роботов трудно адаптировать к новым условиям и задачам.

Но учёные из Массачусетского технологического института разработали эффективный метод обучения роботов. Этот способ объединяет разнообразные данные из разных областей и использует генеративные модели искусственного интеллекта.

Преимущества нового подхода заключаются в том, что он быстрее и дешевле традиционных методов. Он показывает лучшие результаты по сравнению с обучением с нуля как в симуляциях, так и в реальных условиях.

Метод вдохновлён крупными языковыми моделями, такими как GPT-4, и включает новую архитектуру под названием Heterogeneous Pretrained Transformers (HPT). Эта архитектура позволяет комбинировать данные из разных источников и областей.

Результаты стали впечатляющими: производительность роботов улучшилась более чем на 20%. Ученые теперь планируют изучить, как разнообразие данных может ещё больше поднять эффективность HPT. Главная цель — создать универсальный "мозг" для роботов.

Источник