Penyelidik meta membuat percubaan baharu pada AI: mengajar robot untuk menavigasi secara fizikal tanpa peta atau latihan

Jabatan kecerdasan buatan Meta Platforms baru-baru ini menyatakan bahawa mereka sedang mengajar model AI cara belajar berjalan di dunia fizikal dengan sokongan sejumlah kecil data latihan, dan telah mencapai kemajuan pesat.

Penyelidikan ini boleh memendekkan dengan ketara masa untuk model AI memperoleh keupayaan navigasi visual. Sebelum ini, untuk mencapai matlamat sedemikian memerlukan "pembelajaran pengukuhan" berulang menggunakan set data yang besar.

Penyelidik Meta AI berkata bahawa penerokaan navigasi visual AI ini akan memberi impak yang ketara kepada dunia maya. Idea asas projek itu tidak rumit: untuk membantu AI menavigasi ruang fizikal seperti yang dilakukan manusia, hanya melalui pemerhatian dan penerokaan.

Jabatan Meta AI menjelaskan, “Sebagai contoh, jika kita mahu cermin mata AR membimbing kita untuk mencari kunci, kita mesti mencari jalan untuk membantu AI memahami susun atur persekitaran yang tidak biasa dan sentiasa berubah adalah keperluan yang sangat terperinci dan kecil , adalah mustahil untuk bergantung pada peta pratetap berketepatan tinggi yang menggunakan banyak kuasa pengkomputeran meja tanpa sebarang perlanggaran ”

Untuk tujuan ini, Meta memutuskan untuk menumpukan usahanya pada "AI yang terkandung", iaitu, melatih sistem AI melalui mekanisme interaktif dalam simulasi 3D. Dalam bidang ini, Meta berkata ia telah mewujudkan "model navigasi sasaran titik" yang menjanjikan yang boleh menavigasi dalam persekitaran baharu tanpa sebarang peta atau penderia GPS.

Model menggunakan teknologi yang dipanggil pengukuran visual, yang membolehkan AI menjejaki kedudukan semasanya berdasarkan input visual. Meta berkata bahawa teknologi penambahan data ini boleh melatih model saraf yang berkesan dengan cepat tanpa memerlukan anotasi data manual. Meta juga menyebut bahawa mereka telah menyelesaikan ujian pada platform latihan AI yang terkandung Habitat 2.0 mereka sendiri (yang menggunakan tugas penanda aras Realistic PointNav untuk menjalankan simulasi ruang maya), dengan kadar kejayaan 94%.

Meta menjelaskan, “Walaupun kaedah kami belum menyelesaikan sepenuhnya semua senario dalam set data, penyelidikan ini pada mulanya telah menunjukkan bahawa keupayaan navigasi dalam persekitaran dunia sebenar tidak semestinya Eksplisit pemetaan diperlukan untuk melaksanakan ”

Untuk meningkatkan lagi latihan navigasi AI tanpa bergantung pada peta, Meta telah menubuhkan set data latihan yang dipanggil Habitat-Web, yang mengandungi lebih daripada 100,000 jenis data-. kaedah navigasi matlamat yang ditunjukkan oleh manusia. Simulator Habitat yang berjalan pada pelayar web boleh menyambung dengan lancar ke perkhidmatan Mechanical Turk Amazon.com, membolehkan pengguna mengendalikan robot maya dari jauh dengan selamat. Meta berkata data yang terhasil akan digunakan sebagai bahan latihan untuk membantu ejen AI mencapai "hasil terkini." Mengimbas bilik untuk memahami ciri spatial keseluruhan, menyemak sama ada terdapat halangan di sudut, dsb. adalah semua gelagat carian objek yang cekap yang AI boleh pelajari daripada manusia.

Selain itu, pasukan Meta AI juga telah membangunkan pendekatan modular yang dipanggil "plug and play" yang boleh membantu robot menavigasi pelbagai tugas navigasi semantik dan mod matlamat melalui set unik "sampel sifar rangka kerja pembelajaran pengalaman" Mencapai generalisasi. Dengan cara ini, ejen AI masih boleh memperoleh kemahiran navigasi asas tanpa memerlukan peta dan latihan intensif sumber, dan boleh melaksanakan tugas yang berbeza dalam persekitaran 3D tanpa pelarasan tambahan.

Meta menerangkan bahawa ejen ini terus mencari sasaran imej semasa latihan. Mereka menerima foto yang diambil di lokasi rawak dalam persekitaran dan kemudian menggunakan navigasi autonomi untuk cuba mencari lokasi tersebut. Penyelidik meta berkata, "Kaedah kami mengurangkan data latihan kepada 1/12.5, dan kadar kejayaan adalah 14% lebih tinggi daripada teknologi pembelajaran pemindahan terkini

Penganalisis Constellation Research Holger Mueller berkata dalam temu bual Zhong berkata bahawa pembangunan terbaru Meta ini dijangka memainkan peranan penting dalam pelan pembangunan metaversenya. Beliau percaya bahawa jika dunia maya boleh menjadi kebiasaan pada masa hadapan, AI mesti dapat memahami ruang baharu ini, dan kos pemahaman tidak seharusnya terlalu tinggi.

Mueller menambah, “Keupayaan AI untuk memahami dunia fizikal perlu diperluaskan dengan kaedah berasaskan perisian Meta kini mengambil jalan ini, dan telah mencapai kemajuan dalam AI yang terkandung, membangunkan AI yang tidak memerlukan latihan. Perisian yang boleh memahami persekitarannya secara autonomi Saya teruja untuk melihat aplikasi praktikal awal ini.”

Kes penggunaan dunia sebenar ini mungkin tidak jauh. Meta berkata langkah seterusnya ialah memajukan hasil ini daripada navigasi ke operasi mudah alih dan membangunkan ejen AI yang boleh melaksanakan tugas tertentu (seperti mengenal pasti dompet dan mengembalikannya kepada pemiliknya).

Atas ialah kandungan terperinci Penyelidik meta membuat percubaan baharu pada AI: mengajar robot untuk menavigasi secara fizikal tanpa peta atau latihan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!