MIT పరిశోధకులు రోబోట్ శిక్షణా పద్ధతిని అభివృద్ధి చేశారు, ఇది కొత్త పనులు మరియు వాతావరణాలకు అనుకూలతను మెరుగుపరుచుకుంటూ సమయం మరియు వ్యయాన్ని తగ్గిస్తుంది.
ఈ విధానం – హెటెరోజెనియస్ ప్రీట్రైన్డ్ ట్రాన్స్ఫార్మర్స్ (HPT) అని పిలుస్తారు – బహుళ మూలాల నుండి విభిన్న డేటాను ఏకీకృత సిస్టమ్గా మిళితం చేస్తుంది, ఉత్పాదక AI నమూనాలు ప్రాసెస్ చేయగల భాగస్వామ్య భాషను సమర్థవంతంగా సృష్టిస్తుంది. ఈ పద్ధతి సాంప్రదాయ రోబోట్ శిక్షణ నుండి గణనీయమైన నిష్క్రమణను సూచిస్తుంది, ఇక్కడ ఇంజనీర్లు సాధారణంగా వ్యక్తిగత రోబోట్లు మరియు నియంత్రిత పరిసరాలలో పనుల కోసం నిర్దిష్ట డేటాను సేకరిస్తారు.
ప్రధాన పరిశోధకుడు లిరుయ్ వాంగ్ – MITలో ఎలక్ట్రికల్ ఇంజనీరింగ్ మరియు కంప్యూటర్ సైన్స్ గ్రాడ్యుయేట్ విద్యార్థి – చాలా మంది తగినంత శిక్షణ డేటాను రోబోటిక్స్లో కీలక సవాలుగా పేర్కొన్నప్పటికీ, పెద్ద సమస్య వివిధ డొమైన్లు, పద్ధతులు మరియు రోబోట్ హార్డ్వేర్లో ఉంది. ఈ విభిన్న అంశాలన్నింటినీ ఎలా సమర్ధవంతంగా మిళితం చేయాలో మరియు ఎలా ఉపయోగించాలో వారి పని చూపిస్తుంది.
కెమెరా ఇమేజ్లు, భాషా సూచనలు మరియు డెప్త్ మ్యాప్లతో సహా వివిధ డేటా రకాలను ఏకం చేసే ఆర్కిటెక్చర్ను పరిశోధనా బృందం అభివృద్ధి చేసింది. HPT దృశ్య మరియు ప్రోప్రియోసెప్టివ్ ఇన్పుట్లను ప్రాసెస్ చేయడానికి అధునాతన భాషా నమూనాలను శక్తివంతం చేసే విధంగా ట్రాన్స్ఫార్మర్ మోడల్ను ఉపయోగిస్తుంది.
ఆచరణాత్మక పరీక్షలలో, సిస్టమ్ విశేషమైన ఫలితాలను ప్రదర్శించింది-సాంప్రదాయ శిక్షణా పద్ధతులను అనుకరణ మరియు వాస్తవ-ప్రపంచం రెండింటిలోనూ 20 శాతం కంటే ఎక్కువ పెర్ఫార్మ్ చేసింది. రోబోట్లు తమ శిక్షణా డేటా నుండి గణనీయంగా భిన్నమైన పనులను ఎదుర్కొన్నప్పుడు కూడా ఈ మెరుగుదల నిజమైంది.
పరిశోధకులు ప్రీట్రైనింగ్ కోసం ఆకట్టుకునే డేటాసెట్ను సమీకరించారు, ఇందులో నాలుగు వర్గాలలో 200,000 రోబోట్ పథాలతో 52 డేటాసెట్లు ఉన్నాయి. ఈ విధానం మానవ ప్రదర్శనలు మరియు అనుకరణలతో సహా అనేక అనుభవాల నుండి నేర్చుకోవడానికి రోబోలను అనుమతిస్తుంది.
సిస్టమ్ యొక్క ముఖ్య ఆవిష్కరణలలో ఒకటి ప్రొప్రియోసెప్షన్ను నిర్వహించడంలో ఉంది (రోబోట్ దాని స్థానం మరియు కదలికపై అవగాహన.) బృందం ప్రొప్రియోసెప్షన్ మరియు విజన్పై సమాన ప్రాముఖ్యతనిచ్చేలా ఆర్కిటెక్చర్ను రూపొందించింది, ఇది మరింత అధునాతన నైపుణ్యం గల కదలికలను అనుమతిస్తుంది.
ముందుకు చూస్తే, అధునాతన భాషా నమూనాల మాదిరిగానే లేబుల్ చేయని డేటాను ప్రాసెస్ చేయడానికి HPT సామర్థ్యాలను మెరుగుపరచడం బృందం లక్ష్యం. వారి అంతిమ దృష్టిలో సార్వత్రిక రోబోట్ మెదడును సృష్టించడం ఉంటుంది, అది అదనపు శిక్షణ లేకుండా ఏదైనా రోబోట్ కోసం డౌన్లోడ్ చేయబడుతుంది మరియు ఉపయోగించబడుతుంది.
వారు ప్రారంభ దశలో ఉన్నారని అంగీకరిస్తూనే, పెద్ద భాషా నమూనాలలో కనిపించే పురోగతుల మాదిరిగానే స్కేలింగ్ రోబోటిక్ విధానాలలో పురోగతి అభివృద్ధికి దారితీస్తుందని బృందం ఆశాజనకంగా ఉంది.
మీరు పరిశోధకుల కాగితం కాపీని కనుగొనవచ్చు ఇక్కడ (PDF)
(ఫోటో ఫోటోగ్రఫీని కలిగి ఉన్నారు)
ఇవి కూడా చూడండి: జైల్బ్రేకింగ్ AI రోబోట్లు: భద్రతా లోపాలపై పరిశోధకులు అలారం వినిపిస్తున్నారు
పరిశ్రమ ప్రముఖుల నుండి AI మరియు పెద్ద డేటా గురించి మరింత తెలుసుకోవాలనుకుంటున్నారా? తనిఖీ చేయండి AI & బిగ్ డేటా ఎక్స్పో ఆమ్స్టర్డామ్, కాలిఫోర్నియా మరియు లండన్లో జరుగుతున్నాయి. సమగ్ర ఈవెంట్ సహా ఇతర ప్రముఖ ఈవెంట్లతో సహ-స్థానంలో ఉంది ఇంటెలిజెంట్ ఆటోమేషన్ కాన్ఫరెన్స్, బ్లాక్ ఎక్స్, డిజిటల్ ట్రాన్స్ఫర్మేషన్ వీక్మరియు సైబర్ సెక్యూరిటీ & క్లౌడ్ ఎక్స్పో.
TechForge ద్వారా అందించబడే ఇతర రాబోయే ఎంటర్ప్రైజ్ టెక్నాలజీ ఈవెంట్లు మరియు వెబ్నార్లను అన్వేషించండి ఇక్కడ.
