MITの研究者は、従来の模倣学習が環境の変化と新しい課題に直面して失敗する傾向があるという問題を克服するために設計された、新しいロボットトレーニングモデルである不均一な事前訓練トランス（HPT）を開発しました。このモデルは、さまざまなセンサーと環境からのデータを統合し、強力なトランスアーキテクチャを使用してトレーニングに使用し、さまざまな複雑な状況でロボットの適応性を改善します。研究チームは、ロボットがより強力な学習と適応性を提供するために、この方法を通じてロボット戦略の画期的な進歩を達成したいと考えています。
MITリサーチチームは、トランスアーキテクチャを使用してロボットをトレーニングして、さまざまなセンサーと環境データを統合することで適応性を向上させます。ユーザーはロボットの設計、構成、タスクをカスタマイズでき、モデルは入力に基づいてトレーニングされます。トヨタリサーチインスティテュートによって部分的に資金提供されたこの研究は、ロボット工学学習への継続的な投資とボストンダイナミクスとのパートナーシップを実証しています。研究者は、モデルの規模が拡大するにつれて、大規模な言語モデルの成功と同様に、ロボット戦略の大きなブレークスルーが達成されると考えています。まだ初期段階にありますが、研究チームは将来に自信を持っており、使用と展開を容易にするために普遍的なロボット脳の開発に取り組んでいます。
ユーザーは、ロボットの設計、構成、やりたいことを入力してから、新しいモデルでロボットをトレーニングできます。研究者は、このアプローチは、大規模な言語モデルのように、ロボット戦略のブレークスルーを可能にすることができると言います。
この研究の資金の一部は、トヨタ研究所からのものでした。昨年、トヨタ研究所は、TechCrunchの混乱で一晩ロボットをトレーニングする方法を実証しました。最近、同社はロボット学習研究とボストンダイナミクスハードウェアを組み合わせたランドマークパートナーシップに到達しました。
「私たちの夢は、トレーニングなしでダウンロードして使用できる普遍的なロボットの脳を持つことです」と、カーネギー・メロン大学の准教授は、その規模がロボット戦略のブレークスルーにつながることを望んでいます。言語モデル。」
この研究は、ロボットトレーニングの分野で重要な進歩を遂げ、将来、よりスマートで適応性のあるロボットを構築するための基礎を築き、ロボット技術の新しいブレークスルーを告げます。継続的な努力と革新を通じて、私たちはロボットが将来人間に役立つことができると信じています。