2025. 10. 14. - 09:20
A generatív mesterséges intelligencia már virtuális robotképzéshez is használható
Virtuális robotképzéshez használt generatív mesterséges intelligencia eszközt mutatott be a Massachusetts-i Technológiai Intézet (MIT), melyekkel a robotokat jobb háztartási vagy gyári asszisztensekké képezhetik ki.
Generatív mesterséges intelligencia-eszközzel rukkolt elő a Massachusetts-i Technológiai Intézet (Massachusetts Institute of Technology – MIT) virtuális robotképzéshez.
Az új eszközt a Toyota Kutatóintézettel közösen fejlesztették ki, azzal a céllal, hogy a robotokat jobb háztartási vagy gyári asszisztensekké képezzék ki.
Az MIT Számítástechnikai és Mesterséges Intelligencia Laboratóriuma (CSAIL) és a Toyota Kutatóintézet mesterséges intelligencia-eszköze lénygében kibővíti a robotok tanulási folyamatát.
GMI és irányítható jelenetgenerálás
Az irányítható jelenetgenerálásnak nevezett eszköz virtuális képzési környezeteket hoz létre, például konyhákat, nappalikat és éttermeket, amelyeket a mérnökök annak tesztelésére használhatnak fel, miként kezelik a robotok a valós feladatokat.
A platformot több mint 44 millió 3D-s szobában képezik ki és az úgynevezett Monte Carlo fakeresés (MCTS) nevű stratégia segítségével „irányítható” különböző módokon.
Az MCTS lehetővé teszi a mesterséges intelligencia modell számára, hogy azonosítsa és kiválassza a jelenetgenerálási lehetőségeket egy adott cél eléréséhez, például egy jelenet lehető legrealisztikusabbá tételéhez vagy a feltöltéséhez több objektummal. Olvasd el: A GMI hamarosan tanulni fog a saját hibáiból?
Megjött a generatív mesterséges intelligencia virtuális robotképzéshez
Ez a stratégia azt jelenti, hogy a rendszer folyamatosan tanul menet közben, egyre összetettebb jeleneteket létrehozva.
Nicholas Pfaff, az MIT PhD hallgatója, a CSAIL kutatója elmondta: a projekt az MCTS első alkalmazása a jelenetgenerálásban, a jelenetgenerálási feladatot „szekvenciális döntéshozatali folyamatként” keretezve.
„A részleges jelenetekre építünk, hogy idővel jobb, elvártabb jeleneteket hozzunk létre. Ennek eredményeként az MCTS olyan jeleneteket alkot, amelyek összetettebbek, mint amin a diffúziós modellt betanították” – magyarázták a szakemberek.
Az iparági szakértők szerint a munka egy jelentős hiányosságot tölthet be a robottanulásban, ahol a kiváló minőségű betanítási adatok hiánya lelassította a fejlődést.
„Az irányítható jelenetgenerálás jobb megközelítést kínál… garantálja a fizikai megvalósíthatóságot és sokkal érdekesebb jelenetek generálását teszi lehetővé” – mondta Jeremy Binagia, az Amazon Robotics alkalmazott tudósa, aki nem vett részt a kutatásban.
A kutatócsapat hozzátette: projektjük erőssége abban rejlik, hogy képes változatos, használható jeleneteket létrehozni a mérnökök számára.
Irányítási módszereik segítségével változatos, realisztikus és feladathoz igazított jeleneteket hozhatnak létre, amelyekben valójában a robotjaikat szeretnék betanítani - jelezte Pfaff.
Bár a rendszer még a koncepcióbizonyítás szakaszában van, a kutatók bíznak benne, hogy a jövőbeni iterációkban nagyobb objektum- és környezetválasztékkal kiépíthetik, s végül generatív mesterséges intelligenciát használnak majd teljesen új eszközök létrehozására a fix könyvtár helyett.
A virtuális edzőterek sokszínűségének és realizmusának bővítésével nagy mennyiségű adatot generáló felhasználói közösséget építhetnek, amely viszont alapul szolgálhat ahhoz, hogy a robotokat szélesebb körű készségekre tanítsák.
B.A.
