Facebook AI Research (FAIR) præsenterer en udvikling inden for AI-robotuddannelse: Habitat 3.0.
FAIR sigter mod at bygge bro mellem AI og den fysiske verden ved at opbygge AI-agenter, der er i stand til at forstå deres omgivelser og samarbejde med mennesker.
Habitat 3.0 fungerer som en virtuel træningsplads til at bygge legemliggjorte AI-agentersom gør det muligt for robotter og virtuelle mennesker at samarbejde om at udføre opgaver i et digitalt miljø.
I dag annoncerer vi Habitat 3.0, Habitat Synthetic Scenes Dataset og HomeRobot - tre store fremskridt i udviklingen af sociale AI-agenter, der kan samarbejde med og hjælpe mennesker med daglige opgaver.
Flere detaljer om disse meddelelser ➡️ https://t.co/WGSjkkyQx3 pic.twitter.com/GdU54AD0qg
- AI på Meta (@AIatMeta) 20. oktober 2023
At træne robotter i den virkelige verden kan være udfordrende, tidskrævende og potentielt farligt. Nvidias Isaac Sim er et etableret virtuelt træningssystem til industriel robotteknologi, men Meta's Habitat er mere fokuseret på hjemlige miljøer.
Robotter kan begå fejl uden konsekvenser i den virkelige verden ved at træne i et simuleret, ikke-destruktivt miljø som Habitat 3.0.
Under motorhjelmen på Habitat 3.0
Tidligere iterationer af Habitat lagde grunden til robotnavigation og interaktion i et digitalt miljø, der ligner et hjem.
Habitat 3.0 introducerer imidlertid en samarbejdsmodel, der omfatter både robotter og humanoide avatarer for at simulere interaktionsscenarier mellem menneske og robot i den virkelige verden.
FAIR siger, at denne nye platform ikke kun handler om bevægelse og interaktion - den tager også højde for de visuelle og semantiske detaljer ved opgaver i den virkelige verden ved hjælp af humanoide avatarer med naturlige bevægelser og adfærd.
Disse avatarer kan styres af både forudindstillede algoritmer og faktiske menneskelige input.
FAIRs nye Habitat-platform gør det muligt:
- Menneske-robot-samarbejde i simulerede hjemmelignende miljøer. Her kan robotter lære at arbejde sammen med menneskelige avatarer og mestre opgaver som rengøring.
- Realistiske interaktioner med menneskelige avatarer, komplet med naturlige bevægelser og udseende, for at efterligne interaktioner i den virkelige verden.
- Human-in-the-loop-evalueringer, hvor rigtige mennesker kan interagere og styre disse avatarer via forskellige grænseflader, herunder tastaturer, mus og endda VR-headsets.
Ifølge Meta giver platformen flere fordele i forhold til konventionelle robottræningsmetoder:
- Hurtigere læring for forstærkningsalgoritmer, så eksperimenter, der ville tage år i den virkelige verden, kan gennemføres på få dage.
- Hurtig og problemfri tilpasning af miljøet, hvilket fjerner logistiske udfordringer som fysisk flytning af robotter.
- Et mere sikkert testområde, der sikrer, at AI-modeller ikke udgør en trussel i den virkelige verden.
Sammen med Habitat 3.0 udgav FAIR også Habitat Synthetic Scenes Dataset (HSSD-200).
Dette datasæt indeholder over 18.000 objekter og giver robotterne et mere autentisk træningsmiljø, der nøje afspejler scenarier fra den virkelige verden.
FAIR anerkender, at ægte socialt intelligente robotter bliver nødt til at forstå de dynamiske miljøer, som mennesker lever i.
Den næste forskningsfase vil udnytte mulighederne i Habitat 3.0 til yderligere at forfine AI-modeller til mere forbedret samarbejde mellem mennesker og robotter.
