Artikel - Metode pelatihan yang hemat biaya dari MIT meningkatkan keterampilan belajar robot sebesar 20%.

Peneliti dari MIT telah mengembangkan metode pelatihan baru untuk robot yang menggabungkan berbagai jenis data agar robot dapat belajar keterampilan baru lebih cepat dan efisien. Metode ini terinspirasi oleh model bahasa besar dan menggunakan data dari berbagai sumber, seperti simulasi dan robot nyata, yang diubah menjadi "bahasa" yang sama untuk model AI generatif. Dengan cara ini, robot tidak perlu dilatih untuk setiap tugas secara spesifik, sehingga pelatihannya lebih cepat hingga 20% lebih baik dibandingkan metode tradisional.

Metode yang disebut Heterogeneous Pretrained Transformers (HPT) ini memungkinkan robot untuk menggunakan data sensor seperti gambar dari kamera dan posisi lengan untuk melakukan gerakan yang tepat. Peneliti berhasil menciptakan dataset besar dengan menggabungkan informasi dari 52 sumber, menghasilkan lebih dari 200.000 trajektori robot. Pengujian menunjukkan bahwa metode HPT meningkatkan kinerja robot, baik dalam simulasi maupun dunia nyata, bahkan saat diberikan tugas yang berbeda dari data pelatihan. Meskipun begitu, masih ada tantangan dalam meningkatkan kualitas dataset dan kecepatan pelatihan untuk pemodelan yang lebih baik.

Metode pelatihan yang hemat biaya dari MIT meningkatkan keterampilan belajar robot sebesar 20%.

Artikel Serupa

MotionGlot: AI yang Mengubah Bahasa Jadi Gerakan Robot dan Karakter Digital

MIT dan NVIDIA meluncurkan kerangka kerja AI baru yang memungkinkan pengguna untuk mengoreksi robot secara real-time.

Robot mengamati dirinya sendiri seperti manusia di cermin untuk menguasai gerakan dan perbaikan diri.

Studi Mengungkap Kunci Pembelajaran Bahasa AI pada Robot

Robot humanoid Figure menerima perintah suara untuk membantu di rumah.

Saksikan robot humanoid meniru lompatan Cristiano Ronaldo dan langkah ikonik LeBron James.

Robot menguasai permainan Jenga dan perakitan motherboard dengan metode pembelajaran AI baru.