Ученые Массачусетского технологического института (MIT) создали технику, позволяющую обучать многоцелевых роботов на основе данных из разных источников. Они объединили данные из различных областей, модальностей и задач, используя генеративный искусственный интеллект.
Новый метод, известный как Policy Composition (PoCo), позволил роботам успешно выполнять множество задач и приспосабливаться к новым условиям. По результатам исследования, проведенного в симуляциях и реальных экспериментах, производительность роботов улучшилась на 20 процентов по сравнению с базовыми методами.
Для создания PoCo ученые использовали диффузионные модели и обучили каждую из них отдельно на различных наборах данных, таких как видеодемонстрации роботов. Затем они комбинировали эти модели, позволяя роботам генерализовать свои навыки для разных задач.
По мнению экспертов, такой подход является важным шагом для области робототехники, и его применение позволит роботам успешно выполнять сложные многошаговые задачи и работать в различных средах.
Похожие новости:
11 января будут представлены новые смартфоны серий POCO X и M с превосходными характеристиками
Могучая сотня: большой список моделей Xiaomi, POCO и Redmi, совместимых с HyperOS
Криоконсервация мозга | Спутниковый 5G в России | Смена пола эмбриону | Робот-дублёр микрохирургии
Шумоподавляющая ткань | 6 минут термоядерного синтеза | Лазерная связь в космосе | Вакцина от рака