Facebook AI Research (FAIR) presenterer en ny utvikling innen opplæring i AI-robotikk: Habitat 3.0.
FAIR har som mål å bygge bro mellom AI og den fysiske verden ved å utvikle AI-agenter som er i stand til å forstå omgivelsene sine og samarbeide med mennesker.
Habitat 3.0 fungerer som et virtuelt treningsfelt for å bygge legemliggjorte AI-agentersom gjør det mulig for roboter og virtuelle mennesker å samarbeide om å utføre oppgaver i et digitalt miljø.
I dag lanserer vi Habitat 3.0, Habitat Synthetic Scenes Dataset og HomeRobot - tre viktige fremskritt i utviklingen av sosiale, kroppsliggjorte AI-agenter som kan samarbeide med og bistå mennesker i daglige gjøremål.
Flere detaljer om disse kunngjøringene ➡️ https://t.co/WGSjkkyQx3 pic.twitter.com/GdU54AD0qg
- AI på Meta (@AIatMeta) 20. oktober 2023
Opplæring av roboter i den virkelige verden kan være utfordrende, tidkrevende og potensielt farlig. Nvidias Isaac Sim er et etablert virtuelt opplæringssystem for industrirobotikk, men Meta's Habitat er mer fokusert på hjemmemiljøer.
Robotene kan gjøre feil uten at det får konsekvenser i den virkelige verden ved å trene i et simulert, ikke-destruktivt miljø som Habitat 3.0.
Under panseret på Habitat 3.0
Tidligere iterasjoner av Habitat har lagt grunnlaget for robotnavigasjon og interaksjon i et hjemlignende digitalt miljø.
Habitat 3.0 introduserer imidlertid en samarbeidsmodell som inkluderer både roboter og humanoide avatarer for å simulere virkelige interaksjonsscenarioer mellom menneske og robot.
FAIR sier at denne nye plattformen ikke bare handler om bevegelse og interaksjon - den tar også hensyn til de visuelle og semantiske detaljene i oppgaver i den virkelige verden, ved hjelp av humanoide avatarer med naturlige bevegelser og atferd.
Disse avatarene kan styres av både forhåndsinnstilte algoritmer og faktisk menneskelig input.
FAIRs nye Habitat-plattform gjør det mulig:
- Menneske-robot-samarbeid i simulerte hjemmelignende miljøer. Her kan roboter lære å jobbe sammen med menneskelige avatarer og mestre oppgaver som rengjøring av huset.
- Realistiske interaksjoner med menneskelige avatarer, med naturlige bevegelser og utseende, for å etterligne interaksjoner i den virkelige verden.
- Human-in-the-loop-evalueringer, der ekte mennesker kan samhandle med og styre disse avatarene via ulike grensesnitt, inkludert tastaturer, mus og til og med VR-hodesett.
Ifølge Meta har plattformen flere fordeler sammenlignet med konvensjonelle metoder for robotopplæring:
- Raskere læring for forsterkningsalgoritmer, slik at eksperimenter som ville tatt flere år i den virkelige verden, kan gjennomføres på få dager.
- Rask og sømløs tilpasning til omgivelsene, noe som fjerner logistiske utfordringer som fysisk flytting av roboter.
- Et tryggere testområde som sikrer at AI-modeller ikke utgjør en trussel i virkelige situasjoner.
Sammen med Habitat 3.0 lanserte FAIR også datasettet Habitat Synthetic Scenes Dataset (HSSD-200).
Dette datasettet inneholder over 18 000 objekter og gir robotene et mer autentisk treningsmiljø som ligger tett opp til virkelige scenarier.
FAIR erkjenner at virkelig sosialt intelligente roboter må forstå de dynamiske omgivelsene som mennesker lever i.
Den neste forskningsfasen vil utnytte mulighetene i Habitat 3.0 til å videreutvikle AI-modeller for et enda bedre samarbeid mellom mennesker og roboter.