麻省理工学院

MIT创新机器人训练技术：通用机器人大脑的诞生

麻省理工学院（MIT）本周展示了一种新的机器人训练模型，该模型借鉴了大型语言模型（LLMs）的训练方法，通过海量数据训练，使机器人能够快速适应新任务和环境。

研究团队指出，模仿学习——即通过观察个体执行任务来学习——在遇到小的挑战时可能会失败。这些挑战可能包括光线变化、不同环境或新的障碍物。在这些情况下，机器人没有足够的数据来适应这些变化。

团队借鉴了像GPT-4这样的模型，采用了一种粗暴的数据驱动问题解决方法。

“在语言领域，数据都是句子，”新论文的首席作者Lirui Wang说。“在机器人领域，鉴于数据的多样性，如果我们要以类似的方式预训练，我们需要不同的架构。”

团队引入了一种名为Heterogeneous Pretrained Transformers（HPT）的新架构，它整合了来自不同传感器和不同环境的信息。然后使用变换器将数据整合到训练模型中。变换器越大，输出结果越好。

用户只需输入机器人的设计、配置以及他们想要完成的任务。

“我们的梦想是拥有一个通用的机器人大脑，你可以下载并用于你的机器人，无需任何训练，”卡内基梅隆大学（CMU）副教授David Held在谈到这项研究时说。“虽然我们才刚刚开始，但我们会持续努力，希望规模化能带来机器人政策的突破，就像它对大型语言模型所做的那样。”

这项研究部分由丰田研究所（Toyota Research Institute）资助。