AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：從未見(jiàn)過(guò)現(xiàn)實(shí)世界數(shù)據(jù)，MIT在虛擬環(huán)境中訓(xùn)練出機(jī)器狗，照樣能跑酷
關(guān)鍵字：研究者,圖像,機(jī)器人,策略,數(shù)據(jù)
文章來(lái)源：機(jī)器之心
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

機(jī)器之心報(bào)道
編輯：杜偉如今，機(jī)器人學(xué)習(xí)最大的瓶頸是缺乏數(shù)據(jù)。與圖片和文字相比，機(jī)器人的學(xué)習(xí)數(shù)據(jù)非常稀少。目前機(jī)器人學(xué)科的主流方向是通過(guò)擴(kuò)大真實(shí)世界中的數(shù)據(jù)收集來(lái)嘗試實(shí)現(xiàn)通用具身智能，但是和其他的基礎(chǔ)模型，比如初版的 StableDiffusion 相比，即使是 pi 的數(shù)據(jù)都會(huì)少七八個(gè)數(shù)量級(jí)。MIT 的這個(gè)團(tuán)隊(duì)希望用生成模型來(lái)作為機(jī)器人學(xué)習(xí)的新數(shù)據(jù)源，用工程手段來(lái)取代傳統(tǒng)的數(shù)據(jù)收集，實(shí)現(xiàn)一條通過(guò)由生成模型加持的物理仿真來(lái)訓(xùn)練機(jī)器人視覺(jué)的技術(shù)路線。
隨著機(jī)器人在訓(xùn)練過(guò)程中持續(xù)進(jìn)化，進(jìn)一步提升技能所需的數(shù)據(jù)也在增長(zhǎng)。因此獲取足夠的數(shù)據(jù)對(duì)于提升機(jī)器人的性能至關(guān)重要，但在當(dāng)前實(shí)踐中，針對(duì)新場(chǎng)景和新任務(wù)獲取數(shù)據(jù)是一個(gè)從頭開(kāi)始不斷重復(fù)的手動(dòng)過(guò)程。
另一種替代方法則是在模擬環(huán)境中訓(xùn)練，從中可以對(duì)更多樣化的環(huán)境條件進(jìn)行采樣，并且機(jī)器人可以安全地探索故障案例并直接從它們自己的行為中學(xué)習(xí)。盡管業(yè)界已經(jīng)在模擬物理和渲染方面投入了大量資金，但目前為實(shí)現(xiàn)真實(shí)性所做的最佳實(shí)踐仍與現(xiàn)實(shí)存在差距。
一方面渲染真實(shí)的圖像意味著要制作細(xì)致、逼真的場(chǎng)景內(nèi)容，但大規(guī)模手動(dòng)制作此類(lèi)內(nèi)容以獲得機(jī)器人 sim-to-real（模

原文鏈接：從未見(jiàn)過(guò)現(xiàn)實(shí)世界數(shù)據(jù)，MIT在虛擬環(huán)境中訓(xùn)練出機(jī)器狗，照樣能跑酷

聯(lián)系作者

文章來(lái)源：機(jī)器之心
作者微信：
作者簡(jiǎn)介：