波士頓動力通過與前 CEO 合作加強 Atlas 機器人學習
目錄
您可能想知道
- 強化學習如何為像 Atlas 這樣的人形機器人帶來好處？
- 模擬在機器人訓練中扮演什麼角色？
主要主題
波士頓動力最近揭示了一項戰略合作，重點是改進其先進人形機器人 Atlas 的強化學習。這次合作是與前身為波士頓動力人工智慧研究所（RAI Institute）的機器人與人工智慧研究所進行的，兩者皆由 Marc Raibert 創立。Raibert 在擔任波士頓動力 CEO 30 年的任期中作出了豐富貢獻，而該研究所成立於 2022 年，使他能進一步從事探索性研究。 這項合作可能通過整合最先進的學習算法顯著提高 Atlas 的能力。
2021 年收購波士頓動力的現代汽車也是該研究所的主要支持者，為 Raibert 提供了探索新穎進步技術的相當自由度——這一努力類似於豐田設立其豐田研究所，也與波士頓動力在大行為模型（LBMs）方面合作。
與 RAI 研究所的合作策略性地集中於強化學習。這一教育技術模仿人類和動物使用的試錯策略，歷來是一個耗時且要求高的方法。然而，模擬技術的創新使得許多過程能夠在虛擬環境中同時進行，大大加快學習速度。
合作始於麻薩諸塞州，是一系列合作努力中的最新一個，旨在將學習從模擬擴展到現實場景，同時增強 Atlas 與物理空間的互動。值得注意的是，重點仍然放在“動態奔跑和整體肢體操控重物”上，這需要機器人四肢之間進行複雜的同步。
Atlas 的人形結構帶來了波士頓動力的四足機器人 Spot 無法遇到的獨特挑戰和可能性，特別是在平衡和協調每次運動上施加的力動。
Marc Raibert 為 RAI 研究所的願景，據說，是推進技術，使未來世代的智能機械更為強大。與波士頓動力合作開發 Atlas，可以使強化學習在當前最複雜的人形機器人中取得重大進展。
同時，Figure AI 遠離了與 OpenAI 的合作，轉而開發定制的人工智慧，突顯了將人工智慧能力垂直整合並直接與特定的機器人平台對齊的重要性。在外界猜測OpenAI可能涉足人形機器人的同時，這一策略應時而生。
大多數人形機器領域的公司，包括波士頓動力，優先開發自有的人工智慧模型，其在獨特的機器人軟體設計方面擁有多年經驗。儘管 RAI 研究所是個獨立組織，但由於共同的創辦者和共享的領導目標，與波士頓動力有著統一的願景和方向。
關鍵見解表
| 方面 | 描述 |
|---|---|
| 強化學習 | 模擬試錯法以教導 Atlas 複雜任務的一種方法。 |
| 模擬 | 允許在虛擬設置中進行平行處理以加快學習。 |
後續...
隨著機器人技術的進步，對於集成人工智慧模型和由模擬推動的方法的更深入探索對於開發人形機器人至關重要。這些技術為實現更先進、更可靠、高效的機器學習過程提供了途徑。持續的研究和跨學科合作對於克服當前限制和增強智能機器在物理環境中的能力至關重要，並有可能革新依賴自動化和機器人技術的行業。