麻省理工学院受到大型语言模型的启发的方法 旨在教授机器人全新的技能

麻省理工学院本周展示了一项新的机器人训练模型，旨在解决模仿学在引入小挑战时可能失败的问题。研究人员指出，机器人在面临照明、不同环境或新障碍等情况时，由于缺乏足够的适应性数据，模仿学可能会失败。

该研究团队尝试采用GPT-4等模型，以寻找一种强大的数据方法来解决这个问题。他们引入了一种名为异构预训练变压器（HPT）的新架构，该架构将来自不同传感器和环境的信息汇集到一起，然后使用变压器将数据整合到训练模型中。变压器的规模越大，输出就越好。

用户可以输入机器人的设计、配置和所需完成的任务，然后使用新模型对机器人进行训练。研究人员表示，这种方法可以实现机器人策略方面的突破，类似于大型语言模型的能力。

丰田研究院提供了这项研究的部分资金。去年，丰田研究院在TechCrunch Disrupt上首次展示了一种能够在短时间内训练机器人的方法。最近，该公司与波士顿动力硬件达成了一项具有里程碑意义的合作伙伴关系，将其机器人学研究与波士顿动力硬件结合起来。

卡内基梅隆大学副教授戴维·赫尔德表示：“我们的梦想是拥有一个通用的机器**脑，用户可以下载并使用，无需任何训练。尽管我们仍处于早期阶段，但我们将继续努力，希望通过规模化实现机器人策略方面的突破，就像大型语言模型一样。”