أعلن فريق أبحاث NVIDIA مؤخرًا عن تقدمه في مجال التحكم في مجال التحكم في الروبوت - نظام الشبكة العصبية. يحقق النظام تحكمًا فعالًا في الروبوتات البشرية ذات المعلمات المنخفضة للغاية (1.5 مليون فقط) ، وحتى أدائه يتجاوز أنظمة التحكم المصممة خصيصًا ، والتي لها أهمية في مجال الذكاء الاصطناعي. يأتي أداء Hover المتميز من تصميم نظامه الذكي والقدرة على التكيف.
حقق فريق الأبحاث في NVIDIA مؤخرًا اختراقات كبيرة في مجال التحكم في الروبوت. يحقق نظام الشبكة العصبية التي طوروها تحكمًا فعالًا في الروبوتات البشرية ذات المعلمات المبسطة للغاية ، وحتى أدائه يتجاوز أنظمة التحكم المصممة خصيصًا.
يمكن لنظام Hover هذا ، الذي يتطلب فقط 1.5 مليون معلمة ، معالجة التحكم في حركة الروبوت المعقدة. في المقابل ، تتطلب نماذج اللغة الكبيرة الشائعة مئات المليارات من المعلمات. هذه كفاءة المعلمة المذهلة توضح روعة تصميم النظام.
يتم تنفيذ تدريب Hover في بيئة محاكاة ISAAC التابعة لـ NVIDIA ، والتي يمكن أن تسرع حركات الروبوت بمقدار 10000 مرة. كشف باحث Nvidia Jim Fan أن هذا يعني أن مقدار التدريب في مساحة افتراضية لمدة عام واحد يمكن إكماله في 50 دقيقة فقط.
تسليط الضوء على النظام هو القدرة على التكيف الممتازة. يمكن ترحيله مباشرة من البيئة المحاكاة إلى الروبوت الحقيقي دون ضبط إضافي ، ويدعم مجموعة متنوعة من طرق الإدخال: يمكن الحصول على حركات الرأس واليد من خلال أجهزة XR مثل Apple Vision Pro ، ويمكن الحصول على بيانات موضع الجسم الكامل من خلال التقاط الحركة أو كاميرات RGB.
الأمر الأكثر إثارة للدهشة هو أن Hover يؤدي بشكل أفضل في كل وضع تحكم من الأنظمة التي تم تطويرها خصيصًا لوضع إدخال واحد. وتكهن المؤلف الرئيسي Tairan بأن هذا قد ينبع من الفهم العميق للنظام للمفاهيم المادية مثل التوازن والتحكم الدقيق للأطراف ، مما يسمح له بنقل المعرفة بين أوضاع التحكم المختلفة.
يعتمد النظام على تطوير مشروع H2O & OmniH2O مفتوح المصدر ويمكنه التحكم في أي روبوت بشري يمكن أن يعمل في محاكاة ISAAC. في الوقت الحالي ، كشفت Nvidia عن عينات ورمز على Github ، مما يجلب إمكانيات جديدة إلى مجال البحث والتطوير على الروبوت.
سيعزز المصدر المفتوح لنظام التحويم بشكل كبير تقدم تقنية التحكم في الروبوت وتطبيقه ، ويوفر توجيهات جديدة ودافعًا للتطوير المستقبلي لتكنولوجيا الروبوت.