Revolutionaire robottraining: de toekomst van veelzijdige automatisering met heterogeneous pretrained transformers van MIT

Leestijd: 2 minuten
Door Jeroen Schootbergen
- in
Robots die op creatieve wijze omgaan met diverse gegevensbronnen.

AmsterdamOnderzoekers aan de MIT hebben een nieuwe methode ontwikkeld om een lastig probleem op te lossen: robots taken leren uitvoeren. Het standaardproces vereist vaak het verzamelen van specifieke data voor elke robot en taak, wat veel tijd en geld kost. Dit belemmert de flexibiliteit van robots om zich aan te passen aan nieuwe situaties.

MIT heeft een innovatieve methode ontwikkeld waarbij gebruik wordt gemaakt van uiteenlopende gegevensbronnen om robots te trainen. Deze benadering kan de manier waarop robots leren veranderen door de noodzaak van specifiek data voor elke taak te verminderen. Het systeem ordent gegevens uit verschillende domeinen zoals simulaties en activiteiten van echte robots, en verwerkt diverse vormen van input zoals camerabeelden en sensoren op robotarmen. Hierdoor kan een generatief AI-model grote hoeveelheden informatie efficiënt beheren.

Hun benadering maakt gebruik van Heterogene Voorgetrainde Transformers (HPT), wat machine learning-modellen zijn die zowel visuele als proprioceptieve data verwerken. Ze transformeren deze gegevens in een makkelijk samen te analyseren formaat. Deze eerste training zorgt ervoor dat het robotsysteem flexibeler wordt. Naarmate het systeem meer data verwerkt, wordt het sterker en heeft het slechts een beperkte hoeveelheid specifieke gegevens nodig voor nieuwe taken. Dit levert aanzienlijke voordelen op.

  • Vermindert de noodzaak voor het verzamelen van grote hoeveelheden taakgerichte data
  • Vergroot de aanpassingsmogelijkheden van robots aan nieuwe taken en omgevingen
  • Verbetert de efficiëntie en prestaties van training met meer dan 20%

MIT doet onderzoek dat de toekomst aanzienlijk kan veranderen. Ze ontwikkelen een universele "robotbrein" dat eenvoudig kan worden gedownload op verschillende robotplatforms. Dit zou de integratie van robots vergemakkelijken zonder ingewikkelde trainingen. Het concept is vergelijkbaar met recente ontwikkelingen in taalmodellen, waar grote hoeveelheden data hebben geleid tot aanzienlijke verbeteringen in het begrijpen en creëren van menselijke taal.

Door nieuwe gebieden te verkennen, kan data gevarieerder worden, wat de capaciteiten van HPT in robotica zou verbeteren. Het gebruik van niet-gelabelde data, vergelijkbaar met hoe GPT-4 dit doet, zou robots nog flexibeler kunnen maken. Naarmate het onderzoek vordert, kunnen we een verschuiving verwachten naar slimmere robots die eenvoudiger en goedkoper te ontwikkelen zijn.

De studie is hier gepubliceerd:

http://dx.doi.org/10.48550/arXiv.2409.20537

en de officiële citatie - inclusief auteurs en tijdschrift - is

Lirui Wang, Xinlei Chen, Jialiang Zhao, Kaiming He. Scaling Proprioceptive-Visual Learning with Heterogeneous Pre-trained Transformers. Submitted to arXiv, 2024 DOI: 10.48550/arXiv.2409.20537
Wetenschap: Laatste nieuws
Lees meer:

Deel dit artikel

Reacties (0)

Plaats een reactie
NewsWorld

NewsWorld.app is dé gratis premium nieuwssite van Nederland. Wij bieden onafhankelijk en kwalitatief hoogwaardig nieuws zonder daarvoor geld per artikel te rekenen en zonder abonnementsvorm. NewsWorld is van mening dat zowel algemeen, zakelijk, economisch, tech als entertainment nieuws op een hoog niveau gratis toegankelijk moet zijn. Daarbij is NewsWorld razend snel en werkt het met geavanceerde technologie om de nieuwsartikelen in een zeer leesbare en attractieve vorm aan te bieden aan de consument. Dus wil je gratis nieuws zonder betaalmuur (paywall), dan ben je bij NewsWorld aan het goede adres. Wij blijven ons inzetten voor hoogwaardige gratis artikelen zodat jij altijd op de hoogte kan blijven!


© 2024 NewsWorld™. Alle rechten voorbehouden.