DeepMind研发的分水岭技术实现机器人跨实体学习

内哥谈AI油管频道：链接： 链接  知乎：新加坡技术猿内哥 - 知乎

想要探索生成式人工智能的前沿进展吗？订阅我们的简报，每天五分钟，让你成为AI领域的领跑者。点击订阅，与未来同行！订阅：AI TrendTrackers

与来自33个学术实验室的合作伙伴一起，汇集了来自22种不同机器人类型的数据，创建了Open X-Embodiment数据集和RT-X模型。 机器人在特定领域表现出色，但在通用领域上表现不佳。通常，需要为每项任务、每台机器人和每个环境训练一个模型。改变一个变量通常需要重新开始。但如果可以整合跨机器人的知识，并创造出一种训练通用机器人的方式呢？

今天，DeepMind 推出了一套新的资源，用于跨不同机器人类型或实体的通用机器人学习。与33个学术实验室的合作伙伴一起，汇集了来自22种不同机器人类型的数据，创建了Open X-Embodiment数据集。还发布了RT-1-X，这是一个机器人变压器（RT）模型，它来源于RT-1并在数据集上进行了训练，显示了跨多种机器人实体的技能转移。

在这项工作中，Deep Mind展示了在来自多个实体的数据上训练单一模型，其在多种机器人上的性能显著优于那些在单一实体数据上训练的模型。在五个不同的研究实验室测试了RT-1-X模型，在与为每个机器人单独开发的方法相比，五种常用机器人的平均成功率提高了50%。还展示了，将视觉语言动作模型RT-2在多个实体的数据上进行训练，其在真实世界机器人技能上的性能提高了三倍。

DeepMind开发这些工具是为了集体推进机器人社区的跨实体研究。由于世界各地的机器人实验室分享数据并帮助评估模型，Open X-Embodiment数据集和RT-1-X模型检查点现已供广大研究社区使用。这些工具将改变机器人的训练方式，并加速这一研究领域的发展。