Сотрудники Массачусетского технологического института представили инновационный метод обучения роботов, схожий с процессом обучения больших языковых моделей. До этого роботы учились на действиях людей, выполнявших определенные задачи.
Разработчики заменили традиционное имитационное обучение на архитектуру Heterogeneous Pretrained Transformers (HPT). Подход позволяет роботам анализировать обширные разнородные данные, полученные из разных источников, – также происходит обучение языковых моделей наподобие GPT-4.
HPT обрабатывает данные, полученные от различных сенсоров, и объединяет их. Пользователю нужно лишь задать параметры робота и требуемый навык, а дальнейшее обучение происходит автоматически.
В TechCrunch пишут, что Heterogeneous Pretrained Transformers способен повысить эффективность робототехники. На сегодняшний день одна их главных проблем при использовании роботов – их низкая работоспособность в условиях меняющейся среды. Устройства часто дают сбои при изменении уровня освещения, появлении новых объектов. Новый метод помогает роботам быстро адаптироваться к обновленным условиям.
Главная цель исследования – создать универсальный «мозг» для роботов, который можно будет загрузить на устройство и применять сразу после установки. В MIT уверены, что масштабирование HPT приведет к революции в робототехнике.
Комментарии