.
Если GPT-4 может обучить робо-собаку балансировать на подпрыгивающем и сдувающемся йога-мяче, что будет дальше? 🤔 Вы уверены, что замена лампочки или устранение утечки воды намного сложнее? 💡🚰

Группа ученых из Университета Пенсильвании, Университета Техаса в Остине и Nvidia задалась вопросом: можно ли обучить четвероногого робота новым навыкам в симуляции, а затем перенести эти навыки в реальный физический мир? И сделать это так, чтобы этим процессом управляла нейросеть (в данном случае - большая языковая модель GPT-4)🤖🌍

Зачем использовать LLM вместо людей при обучении❓
1️⃣ Во-первых, процесс обучения роботов очень трудозатратен. Использовать нейросеть вышло быстрее, проще и дешевле.
2️⃣ Во-вторых, LLM прекрасно генерируют идеи (гипотезы). У них также есть недостаток - галлюцинации, то есть придумывание того, что не существует. Но если есть возможность проверить все эти гипотезы - даже тысячи гипотез - внутри компьютерной симуляции, то можно найти успешные - те из них, которые работают💡🔍

Так вот, у группы исследователей из проекта DrEureka получилось добиться того, что робот учился в симуляции новым навыкам (хождение на мяче для йоги) и затем, с первой попытки, переносил эти навыки в реальный мир🔥 Что еще более удивительно, он также приобрел в реальном мире новые навыки, которым не был обучен - смог балансировать и передвигаться на мяче, который сдувался🎉🏆

Значимость этой работы в том, что разработанный метод может существенно ускорить и удешевить процесс обучения роботов. Это позволит гораздо быстрее добиться способности роботов выполнять сложные задачи в реальном мире, которые пока еще могут делать только люди👷⏩🤖

Почитать про то, как им это удалось, и посмотреть больше видео можно здесь. А само описание исследования (research paper) находится вот здесь.

#ИИисследования
#ИИинтересно
#ИИроботы
Подписывайтесь на @aiworkfuture, чтобы ничего не пропустить🚀