麻省理工的工业设计

据麻省理工学院新闻网10月28日报道，近日，麻省理工学院的研究人员取得了一项重要突破，他们开发出一种多功能技术，旨在训练更好的通用机器人。这项技术的核心在于将来自多个来源的大量异构数据组合到一个系统中，从而能够教授任何机器人执行各种任务。

该技术通过一种称为异构预训练转换器（HPT）的新架构，将来自不同领域和多种模式的数据对齐到生成式AI模型可以处理的共享“语言”中。这种方法结合了来自模拟和真实机器人、视觉传感器和机械臂位置编码器等的大量数据，无需每次都从头开始训练，即可用于训练机器人执行各种任务。

在实验中，HPT在模拟和实际任务中的性能比从头开始训练提高了20%以上，即使任务与预训练数据有很大不同，HPT仍然能够提升性能。这种方法的优势在于比传统技术更快、更便宜，因为它需要的任务特定数据要少得多。

研究人员表示，他们的目标是拥有一个通用的机器人大脑，无需任何培训即可下载并用于各种机器人。虽然目前仍处于早期阶段，但他们将继续努力，希望这项技术能够像大型语言模型一样，为机器人策略带来突破。

（编译：正宇）

链接： https://news.mit.edu/2024/training-general-purpose-robots-faster-better-1028