麻省理工学院的研究人员开发了一种新型机器人训练模型——异构预训练变压器（HPT），旨在克服传统模仿学习在面对环境变化和新挑战时容易失效的问题。该模型通过整合来自不同传感器和环境的数据，利用强大的变压器架构进行训练，从而提升机器人在各种复杂情境下的适应能力。研究团队希望通过这种方法，实现机器人策略的突破性进展，如同大型语言模型一样，赋予机器人更强大的学习和适应能力。
麻省理工学院的研究团队通过整合不同传感器和环境数据，利用变压器架构训练机器人，从而提升其适应性。用户可自定义机器人设计、配置和任务，模型将根据输入进行训练。该研究部分由丰田研究院资助，展现了其在机器人学习领域的持续投入和与波士顿动力公司的合作成果。研究人员相信，随着模型规模的扩大，将实现机器人策略的重大突破，如同大型语言模型的成功一样。虽然目前仍处于早期阶段，但研究团队对未来充满信心，致力于开发通用的机器人大脑，让机器人更易于使用和部署。
用户可以输入机器人设计、配置和他们想要完成的工作，然后使用新模型训练机器人。研究人员表示，这种方法可以实现机器人策略方面的突破，就像大型语言模型一样。
这项研究的部分资金来自丰田研究院。去年，丰田研究院在 TechCrunch Disrupt 上首次展示了一种一夜之间训练机器人的方法。最近，该公司达成了一项具有里程碑意义的合作伙伴关系，将把其机器人学习研究与波士顿动力硬件结合起来。
卡内基梅隆大学副教授戴维·赫尔德表示:“我们的梦想是拥有一个通用的机器人大脑，你可以下载它并使用它，而无需任何训练。虽然我们还处于早期阶段，但我们将继续努力，希望规模化能带来机器人策略方面的突破，就像大型语言模型一样。”
这项研究标志着机器人训练领域的一项重要进展，为未来构建更智能、更适应性强的机器人奠定了基础，预示着机器人技术将迎来新的突破。通过持续的努力和创新，相信未来机器人将能够更好地服务于人类。