研究论文发表得过于频繁,以至于任何人都无法阅读它们。在机器学习领域尤其如此,现在机器学习几乎影响到每个行业和公司(并在其中产生论文)。本专栏旨在收集一些最相关的最新发现和论文,尤其是但不限于人工智能方面的论文,并解释它们为何如此重要中国机械网okmao.com。
在此版本中,我们有很多与AI或机器人技术与现实世界之间的接口有关的项目。当然,此类技术的大多数应用程序都具有真实世界的应用程序,但是,本研究专门针对由于实在虚拟鸿沟的任一侧的限制而发生的不可避免的困难。
机器人技术中经常出现的一个问题是,现实世界中事物实际运行的速度有多慢。当然,某些接受过某些任务训练的机器人可以超人的速度和敏捷性来完成任务,但在大多数情况下并非如此。他们需要对照虚拟世界模型检查观察结果,如此频繁,以至于诸如拿起一件物品并将其放下之类的任务可能需要几分钟的时间。
特别令人沮丧的是,现实世界是训练机器人的最佳场所,因为最终它们将在其中进行操作。解决此问题的一种方法是通过增加您每小时进行的实际测试的价值,这是该项目在Google的目标。
在一个技术性很强的博客文章中,团队描述了使用和集成来自多个机器人的数据的挑战,这些机器人学习并执行多项任务。这很复杂,但是他们谈论创建一个统一的流程来分配和评估任务,并基于此调整未来的分配和评估。更直观地讲,他们创建了一个过程,通过该过程,即使任务A与任务B有所不同,在任务A上的成功也可以提高机器人执行任务B的能力。
人类做到了。例如,知道如何很好地丢球可以使您在投掷飞镖方面起步。充分利用宝贵的实际培训非常重要,这表明还有很多要做的优化。
另一种方法是提高模拟的质量,以使它们更接近机器人将其知识带入现实世界时所遇到的情况。这是艾伦AI研究所的THOR培训环境及其最新居民ManipulaTHOR的目标。