שיטה חדשה לפיתוח רובוטים: הפתרון של MIT
- רובי בוטוביץ'
- אוקטובר 27, 2024
- חדשות בינה מלאכותית
- AI
- 0תגובות
מהפכה בהדרכת רובוטים: גישה חדשנית המנצלת מגוון נתונים עצום
צוות מחקר מהמכון הטכנולוגי של מסצ’וסטס (MIT) חשף גישה מהפכנית להדרכת רובוטים, המכונה Heterogeneous Pretrained Transformers (HPT). שיטה זו מבטיחה לקצר משמעותית את זמני ההדרכה, לצמצם עלויות ולשפר את יכולת ההתאמה של רובוטים למשימות ולסביבות חדשות, באמצעות ניצול יעיל של כמויות עצומות של נתונים ממקורות מגוונים.
גישה רב-תחומית: שילוב מקורות מידע הטרוגניים
השיטה החדשנית מבוססת על שילוב חכם של נתונים ממקורות שונים לכדי מערכת מאוחדת. בדרך זו, נוצרת למעשה “שפה משותפת” שמודלי בינה מלאכותית גנרטיביים יכולים לעבד. גישה זו מהווה מהפך משמעותי מהדרך המסורתית להדריך רובוטים, שם מהנדסים נוהגים לאסוף נתונים ספציפיים לכל רובוט ומשימה תחת תנאים מבוקרים.
הפתרון למגוון והפיזור של הנתונים
הסטודנט לתואר שני ממכון MIT, Lirui Wang, המוביל את המחקר, מאמין כי בעוד רבים רואים את מחסור נתוני ההדרכה כאתגר מרכזי, הבעיה הגדולה יותר היא המגוון העצום של תחומים, מצבים ורכיבי חומרה לרובוטים שונים. מחקרם ממחיש כיצד ניתן לשלב ולנצל באופן יעיל את כל היסודות המגוונים הללו תחת ארכיטקטורה אחת.
ארכיטקטורת Transformer מאוחדת לעיבוד מידע הטרוגני
במרכז הגישה עומדת ארכיטקטורה ייחודית המאחדת סוגי נתונים מגוונים, כגון תמונות ממצלמה, הוראות טקסטואליות ומפות עומק. HPT משתמש במודל Transformer, דומה לאלו המפעילים מודלים מתקדמים של שפה טבעית, כדי לעבד קלטים חזותיים ופרופריוצפטיביים (תפיסת המיקום והתנועה) של הרובוטים.
שיפור ניכר של יותר מ-20% בביצועים
בניסויים מעשיים, המערכת הראתה תוצאותמרשימות – עם שיפור של יותר מ-20% בביצועים לעומת שיטות ההדרכה המסורתיות, הן בסימולציות והן בסביבות אמת. שיפור זה נותר יציב גם כאשר הרובוטים נחשפו למשימות השונות באופן משמעותי מנתוני ההדרכה המקוריים שלהם.
מאגר נתונים עשיר להדרכה מוקדמת רחבת היקף
כדי לאפשר הדרכה מקיפה, החוקרים איגדו מאגר נתונים מרשים להדרכה מוקדמת, הכולל 52 מאגרי נתונים עם יותר מ-200,000 טראיקטוריות רובוטיות בארבע קטגוריות עיקריות. גישה זו מאפשרת לרובוטים ללמוד ממגוון עצום של חוויות, כולל הדגמות אנושיות וסימולציות ממוחשבות.
טיפול משודרג בפרופריוצפציה לתנועות מדויקות
אחד החידושים המרכזיים של המערכת נוגע לטיפול בפרופריוצפציה – המודעות של הרובוט למיקומו ולתנועותיו. הצוות תיכנן את הארכיטקטורה כך שהיא מעניקה חשיבות שווה לפרופריוצפציה ולראייה, מה שמאפשר תנועות מורכבות ומדויקות יותר של הרובוטים במגוון סביבות.
החזון: “מוח רובוטי אוניברסלי” לכל רובוט וסביבה
בראייה לעתיד, הצוות שואף להמשיך ולשפר את יכולות ה-HPT לעבד נתונים לא ממוינים, בדומה למודלי שפה טבעית מתקדמים. חזונם הסופי הוא ליצור מעין “מוח רובוטי אוניברסלי” שניתן יהיה להוריד ולהשתמש בו עבור כל רובוט ובכל סביבה, ללא צורך בהדרכה נוספת.
החוקרים מכירים בכך שהם רק בתחילת הדרך, אך הם אופטימיים שהגדלת קנה המידה של הנתונים והמודלים עשויה להוביל להתפתחויות חדשניות במדיניות רובוטית, בדומה להתקדמות המהפכנית שחוותה בשנים האחרונות בתחום מודלי השפה הגדולים.
