Учёные MIT разработали собственный метод обучения роботов. Вместо стандартного набора сфокусированных данных, которые обычно используются при обучении роботов, они задействовали большие массивы данных. По мнению учёных, имитационное обучение, когда робот учится на действиях человека, может оказаться неэффективным при несущественном изменении окружающей обстановки. К примеру, у робота могут возникнуть трудности после обучения, если он попадёт в обстановку с другим освещением или предметами. В своей работе исследователи задействовали разные LLM, такие как GPT-4, чтобы повысить качество обучения методом перебора данных. «В области языковых моделей все данные — это просто предложения. В робототехнике, учитывая всю неоднородность данных, если вы хотите проводить предварительное обучение аналогичным образом, то потребуется другая архитектура», — рассказал один из авторов исследования Лируй Ванг (Lirui Wang). Подробнее ___ 🤖 Подписывайтесь на RoboJobs, здесь вы найдете лучшие вакансии по робототехнике