馬斯克又來搞事情 OpenAI要用VR訓練機器人

今天，OpenAI宣布了一種新算法：“一次性模仿學習”。當一個人在虛擬現實中演示一次動作時，機器可以通過學習這個動作來執行相同的結果。

OpenAI是埃隆·馬斯克于2015年12月宣布的一個非營利人工智能項目，研究人員將與開源共享大部分研究成果。主要關注強化學習和無監督學習谷歌之前著名的圍棋程序AlphaGo使用強化學習；無監督學習需要機器處理大量未標記的數據，并找到自己的方法來區分不同的數據子集、聚類或相似的圖像，這有點像嬰兒學習世界的方式，一直被視為人工智能的真正潛在釋放點。

卷積神經網絡之父Yann LeCun有一個經典的比喻：如果人工智能是一塊蛋糕，那么強化學習就是蛋糕上的櫻桃，而監督學習是蛋糕上的一層糖霜，但無監督學習本身就是蛋糕。目前，我們只知道如何制作糖霜和櫻桃，但不知道如何制作蛋糕。

一次性模擬學習

OpenAI宣布的新算法“一次性模仿學習”意味著，當人類在VR中演示一次動作時，例如將一個藍色的小盒子堆疊在一個紅色的小盒子上，機器可以通過學習這個動作來執行相同的結果，并且無論桌面盒子的放置順序如何，機器都可以準確地執行。

該學習系統由兩個神經網絡組成：視覺網絡和模仿網絡。

通過視覺網絡獲得的圖像來自機器人的攝像頭。此前，這個視覺網絡是由數十萬張模擬圖像訓練的，每張圖像都有不同的紋理、光影效果等（但從未用真實圖像訓練過）。

模仿網絡必須生成與VR演示動作一致的執行步驟，并推斷任務的意圖，以便在初始設置發生變化時（例如當盒子放置順序出錯時）仍然可以找到藍色盒子并將其堆疊在紅色盒子上。

目前，學術界和工業界都在尋找訓練機器人的方法。例如，英偉達首席執行官黃仁勛在上周的GTC會議上宣布了一款名為ISAAC的增強型學習世界模擬器，創造了一個專門為訓練機器人而構建的完全虛擬的世界。

這是一個遵循物理定律但不遵循時間定律的世界。在現實生活中，如果你想訓練一臺機器學習打冰球，你應該把這個冰球放在機器前面，一遍又一遍地教它。在虛擬世界中，機器可以在一秒鐘內多次重復這個動作，你也可以訓練一堆機器同時學習打球，然后找到最聰明的機器，復制它的“大腦”程序，創建一堆相同的機器，繼續訓練和篩選。今天，OpenAI宣布了一種新算法：“一次性模仿學習”。當一個人在虛擬現實中演示一次動作時，機器可以通過學習這個動作來執行相同的結果。

OpenAI是埃隆·馬斯克于2015年12月宣布的一個非營利人工智能項目，研究人員將與開源共享大部分研究成果。主要關注強化學習和無監督學習谷歌之前著名的圍棋程序AlphaGo使用強化學習；

無監督學習需要機器處理大量未標記的數據，并找到自己的方法來區分不同的數據子集、聚類或相似的圖像，這有點像嬰兒學習世界的方式，一直被視為人工智能的真正潛在釋放點。

卷積神經網絡之父Yann LeCun有一個經典的比喻：如果人工智能是一塊蛋糕，那么強化學習就是蛋糕上的櫻桃，而監督學習是蛋糕上的一層糖霜，但無監督學習本身就是蛋糕。目前，我們只知道如何制作糖霜和櫻桃，但不知道如何制作蛋糕。

一次性模擬學習

OpenAI宣布的新算法“一次性模仿學習”意味著，當人類在VR中演示一次動作時，例如將一個藍色的小盒子堆疊在一個紅色的小盒子上，機器可以通過學習這個動作來執行相同的結果，并且無論桌面盒子的放置順序如何，機器都可以準確地執行。

該學習系統由兩個神經網絡組成：視覺網絡和模仿網絡。

通過視覺網絡獲得的圖像來自機器人的攝像頭。此前，這個視覺網絡是由數十萬張模擬圖像訓練的，每張圖像都有不同的紋理、光影效果等（但從未用真實圖像訓練過）。

模仿網絡必須生成與VR演示動作一致的執行步驟，并推斷任務的意圖，以便在初始設置發生變化時（例如當盒子放置順序出錯時）仍然可以找到藍色盒子并將其堆疊在紅色盒子上。

目前，學術界和工業界都在尋找訓練機器人的方法。例如，英偉達首席執行官黃仁勛在上周的GTC會議上宣布了一款名為ISAAC的增強型學習世界模擬器，創造了一個專門為訓練機器人而構建的完全虛擬的世界。

這是一個遵循物理定律但不遵循時間定律的世界。在現實生活中，如果你想訓練一臺機器學習打冰球，你應該把這個冰球放在機器前面，一遍又一遍地教它。在虛擬世界中，機器可以在一秒鐘內多次重復這個動作，你也可以訓練一堆機器同時學習打球，然后找到最聰明的機器，復制它的“大腦”程序，創建一堆相同的機器，繼續訓練和篩選。

標簽：

汽車資訊熱門資訊