메타 연구자들은 새로운 AI 시도를 합니다. 지도나 훈련 없이 로봇이 물리적으로 탐색하도록 가르치는 것입니다.

메타플랫폼의 인공지능 부서는 최근 소량의 훈련 데이터의 지원을 받아 AI 모델에게 물리적 세계에서 걷는 법을 배우는 방법을 가르치고 있으며 빠른 진전을 이루고 있다고 밝혔습니다.

이 연구는 AI 모델이 시각적 탐색 기능을 획득하는 데 걸리는 시간을 크게 단축할 수 있습니다. 이전에는 이러한 목표를 달성하려면 대규모 데이터 세트를 사용한 반복적인 '강화 학습'이 필요했습니다.

Meta AI 연구자들은 이러한 AI 시각 내비게이션 탐구가 가상 세계에 큰 영향을 미칠 것이라고 말했습니다. 프로젝트의 기본 아이디어는 복잡하지 않습니다. 단순히 관찰과 탐색을 통해 AI가 인간처럼 물리적 공간을 탐색할 수 있도록 돕는 것입니다.

Meta AI 부서는 “예를 들어 AR 안경이 열쇠를 찾도록 안내하려면 AI가 낯설고 끊임없이 변화하는 환경의 레이아웃을 이해할 수 있도록 돕는 방법을 찾아야 합니다. 그리고 영원히 지속될 수 없는 작은 요구사항. 컴퓨팅 파워를 많이 소모하는 고정밀 사전 설정된 지도에 의존하여 인간은 충돌 없이 커피 테이블 모퉁이를 쉽게 이동할 수 있습니다. '구체화된 AI'의 경우 AI 시스템은 3D 시뮬레이션의 대화형 메커니즘을 통해 훈련됩니다. 이 분야에서 메타는 지도나 GPS 센서 없이도 새로운 환경에서 탐색할 수 있는 유망한 '포인트 타겟 탐색 모델'을 구축했다고 밝혔습니다.

이 모델은 시각 측정이라는 기술을 사용하는데, 이를 통해 AI는 시각적 입력을 기반으로 현재 위치를 추적할 수 있습니다. Meta는 이 데이터 증강 기술이 수동 데이터 주석 없이도 효과적인 신경 모델을 빠르게 훈련할 수 있다고 말했습니다. Meta는 또한 자체 Habitat 2.0 구현 AI 훈련 플랫폼(현실적인 PointNav 벤치마크 작업을 사용하여 가상 공간 시뮬레이션을 실행)에서 테스트를 완료했으며 성공률은 94%라고 언급했습니다.

Meta는 "우리의 방법이 데이터 세트의 모든 시나리오를 완전히 해결하지는 못했지만, 이 연구는 실제 환경을 탐색하는 능력이 반드시 명시적인 매핑을 필요로 하지 않는다는 것을 보여주었습니다.

에서." 지도에 의존하지 않고 AI 탐색 훈련을 더욱 개선하기 위해 Meta는 인간이 시연한 100,000개 이상의 다양한 객체-표적 탐색 방법이 포함된 Habitat-Web이라는 훈련 데이터 세트를 구축했습니다. 웹 브라우저에서 실행되는 Habitat 시뮬레이터는 Amazon.com의 Mechanical Turk 서비스에 원활하게 연결되어 사용자가 가상 ​​로봇을 원격으로 안전하게 작동할 수 있습니다. Meta는 결과 데이터가 AI 에이전트가 "최첨단 결과"를 달성하는 데 도움이 되는 교육 자료로 사용될 것이라고 말했습니다. 전체적인 공간 특성을 파악하기 위해 방을 스캔하는 것, 구석에 장애물이 있는지 확인하는 것 등은 모두 AI가 인간에게서 배울 수 있는 효율적인 객체 검색 행동입니다.

또한 Meta AI 팀은 고유한 "제로 샘플 경험 학습 프레임워크"를 통해 로봇이 다양한 의미론적 탐색 작업 및 대상 모드에서 일반화를 달성하는 데 도움이 될 수 있는 소위 "플러그 앤 플레이" 모듈식 접근 방식도 개발했습니다. . 이러한 방식으로 AI 에이전트는 리소스 집약적인 지도 및 교육 없이도 기본 탐색 기술을 습득할 수 있으며 추가 조정 없이 3D 환경에서 다양한 작업을 수행할 수 있습니다.

Meta는 이러한 에이전트가 훈련 중에 지속적으로 이미지 타겟을 검색한다고 설명합니다. 그들은 환경의 임의의 위치에서 찍은 사진을 수신한 다음 자율 네비게이션을 사용하여 위치를 찾으려고 시도합니다. 메타 연구진은 "우리 방법은 훈련 데이터를 1/12.5로 줄이며, 최신 전이 학습 기술보다 성공률이 14% 높다"고 말했다. Constellation Research의 애널리스트인 Holger Mueller는 인터뷰에서 Meta의 최신 개발은 메타버스 개발 계획에서 중요한 역할을 할 것으로 예상됩니다. 그는 미래에 가상 세계가 표준이 될 수 있다면 AI가 이 새로운 공간을 이해할 수 있어야 하며, 이해하는 데 드는 비용이 너무 높아서는 안 된다고 믿습니다.

Mueller는 “물리적 세계를 이해하는 AI의 능력은 소프트웨어 기반 방법으로 확장되어야 합니다. Meta는 현재 이러한 길을 걷고 있으며 훈련 없이도 주변을 자율적으로 이해할 수 있는 시스템을 개발하는 구체화 AI 분야에서 발전을 이루었습니다. 환경 소프트웨어의 초기 실제 적용을 기대하고 있습니다.

이러한 실제 사용 사례가 우리에게서 멀지 않을 수도 있습니다. Meta는 다음 단계는 이러한 결과를 탐색에서 모바일 운영으로 발전시키고 특정 작업(예: 지갑 식별 및 소유자에게 반환)을 수행할 수 있는 AI 에이전트를 개발하는 것이라고 말했습니다.

위 내용은 메타 연구자들은 새로운 AI 시도를 합니다. 지도나 훈련 없이 로봇이 물리적으로 탐색하도록 가르치는 것입니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!