TECHNOLOGY · 技术
仿真训练与机器人策略
AI2团队发布MolmoSpaces仿真生态与MolmoBot策略，仿真数据实现零样本真机迁移
UW机器人学研讨会介绍AI2在仿真合成数据与大规模机器人训练方面的工作，含MolmoSpaces生态和MolmoBot策略。
AI 编撰 · 内容基于所列来源，重要信息请以原文为准
在华盛顿大学机器人学研讨会上，AI2团队介绍了其在仿真在电脑里搭建虚拟世界来测试、训练机器人。成本低、速度快，但和真实世界总有差距。◆ 小白科普 · 现身合成数据在电脑模拟的虚拟世界里批量生成的训练数据。成本低、速度快，但要跨过「虚拟与现实的差距」这道坎才能真正好用。◆ 小白科普 · 现身和大规模机器人训练方面的研究。研究者认为，未来通用机器人应具备多任务语言理解、长时记忆推理、工具使用和环境泛化指 AI 面对没见过的新东西、新场景时也能举一反三做出正确反应的能力。这是「通用机器人」和「专用机器」的分水岭。◆ 小白科普 · 现身等能力，但每项能力都需要海量数据支撑，因此主张以合成数据在电脑模拟的虚拟世界里批量生成的训练数据。成本低、速度快，但要跨过「虚拟与现实的差距」这道坎才能真正好用。◆ 小白科普 · 现身的方式规模化生产机器人数据。团队开发的MolmoSpaces仿真在电脑里搭建虚拟世界来测试、训练机器人。成本低、速度快，但和真实世界总有差距。◆ 小白科普 · 现身生态包含二十三万场景和十三万资产，并基于此训练出MolmoBot系列策略，仅使用仿真数据在电脑虚拟世界里「印刷」出来的训练数据，成本几乎为零、可以海量生产。缺点是虚拟世界的物理和真实世界总有差距。◆ 小白科普 · 现身即实现零样本真机迁移。实验显示，随机化与重试行为对策略泛化至关重要，冻结视觉编码器有助于保持真实环境性能。团队表示，后续将把工作扩展到非抓取和可变形物体任务。