用於控制機器人的軟體通常高度適應其特定的物理設定。但現在研究人員已經創建了一個單一通用的機器人控制策略，可以操作機械手臂、輪式機器人、四足動物，甚至是無人機。 將機器學習應用於機器人技術時面臨的最大挑戰之一是數據的缺乏。雖然電腦視覺和自然語言處理可以利用網路上的大量圖像和文字數據，但收集機器人數據既昂貴又耗時。 為了解決這個問題，人們越來越努力地匯集不同群體在不同類型的機器人上收集的數據，包括 Open X-Embodiment 和 DROID 資料集。希望對不同機器人資料的訓練能夠帶來“正遷移”，即從一項任務的訓練中學到的技能有助於提高另一項任務的表現。 問題在於，機器人通常具有非常不同的實施例（用於描述其實體佈局以及感測器和執行器套件的術語），因此它們收集的數據可能會大不相同。例如，機械手臂可能是靜態的，具有複雜的關節和手指排列，並從手腕上的攝影機收集影片。相較之下，四足機器人經常移動，並依靠腿部的力回饋進行機動。這些機器被訓練執行的任務和動作種類也多種多樣：手臂可以拾取和放置物體，而四足動物則需要敏銳的導航。 霍默沃克 (Homer Walke) 博士表示，這使得在這些大量資料上訓練單一人工智慧模型具有挑戰性。加州大學柏克萊分校的學生。到目前為止，大多數嘗試要么專注於來自較小範圍的類似機器人的數據，要么研究人員手動調整數據以使不同機器人的觀察結果更加相似。但在11 月於慕尼黑舉行的機器人學習會議(CoRL) 上公佈的研究中，他們推出了一種名為CrossFormer 的新模型，該模型可以訓練來自不同機器人組的數據並控制它們以及專門的控制策略。 「我們希望能夠利用所有這些數據進行訓練，以獲得最有能力的機器人，」沃克說。 “本文的主要進展是找出哪種架構最適合容納所有這些不同的輸入和輸出。” 如何用相同的AI模型控制不同的機器人 該團隊使用了與大型語言模型相同的模型架構，稱為變壓器。沃克說，在許多方面，研究人員試圖解決的挑戰與聊天機器人面臨的挑戰沒有什麼不同。在語言建模中，人工智慧必須在不同長度和詞序的句子中挑選出相似的模式。機器人資料也可以像書面句子一樣按順序排列，但根據特定實施例，觀察和動作的長度和順序也有所不同。…

煙蒂是地球上第二常見的未處理垃圾，每年吸入 6 兆支香煙，據估計，超過 4 兆支煙蒂被扔到地上，每一個都會將 700 多種不同的有毒化學物質滲入地下。 。讓我們不要關注這樣一個事實：所有這些有毒化學物質都是 也 進入人們的肺部，而不是談論它們可能造成的生態系統破壞，以及隨處可見的垃圾碎片的普遍噁心。呃。 首先防止這些煙頭掉在地上將是最好的選擇，但這需要人類行為相當大的轉變。假設人類改變自己的行為是不可能的，來自熱那亞義大利理工學院 (IIT) 動態腿系統部門的機器人專家設計了一種新的四足動物形式的煙蒂清理平台。 個人所得稅 當然，還有更有效的方法可以至少部分自動化地用機器清理垃圾。挑戰在於，大部分自動化依賴於帶輪子的移動系統，這在熱那亞的許多美麗的海灘（以及許多美麗的樓梯）上不起作用。在這樣的地方，艱苦的工作仍然由人類來承擔，這並不理想。 這款機器人由 IIT 的 Claudio Semini…

影片星期五是您每週精選的精彩機器人視頻，這些視頻由您的朋友在以下位置收集 IEEE 頻譜 機器人技術。我們也發布了未來幾個月即將舉行的機器人活動的每週日曆。請將您的活動寄給我們以供收錄。 2024 年機器人世界盃：2024 年 7 月 17 日至 22 日，荷蘭埃因霍溫 ICRA@40：2024 年 9 月 23-26 日，荷蘭鹿特丹 IROS…