Facebook AI Research (FAIR) presenterar en ny utveckling inom AI-utbildning för robotar: Habitat 3.0.
FAIR syftar till att överbrygga klyftan mellan AI och den fysiska världen genom att bygga AI-agenter som kan förstå sin omgivning och samarbeta med människor.
Habitat 3.0 fungerar som en virtuell träningsplats för att bygga förkroppsligade AI-agenter, som gör det möjligt för robotar och virtuella människor att samarbeta för att utföra uppgifter i en digital miljö.
Idag presenterar vi Habitat 3.0, Habitat Synthetic Scenes Dataset och HomeRobot - tre stora framsteg i utvecklingen av sociala AI-agenter som kan samarbeta med och hjälpa människor i dagliga uppgifter.
Mer information om dessa tillkännagivanden ➡️ https://t.co/WGSjkkyQx3 pic.twitter.com/GdU54AD0qg
- AI på Meta (@AIatMeta) 20 oktober 2023
Att träna robotar i den verkliga världen kan vara utmanande, tidskrävande och potentiellt riskfyllt. Nvidias Isaac Sim är ett etablerat virtuellt träningssystem för industrirobotik, men Meta's Habitat är mer inriktat på hemmiljöer.
Robotar kan göra fel utan att det får konsekvenser i verkligheten genom att träna i en simulerad icke-destruktiv miljö som Habitat 3.0.
Under huven på Habitat 3.0
Tidigare iterationer av Habitat lade grunden för robotnavigering och interaktion i en hemliknande digital miljö.
Habitat 3.0 introducerar dock en samarbetsmodell som omfattar både robotar och humanoida avatarer för att simulera verkliga interaktionsscenarier mellan människa och robot.
FAIR säger att den nya plattformen inte bara handlar om rörelse och interaktion - den tar också hänsyn till de visuella och semantiska detaljerna i verkliga uppgifter, med hjälp av humanoida avatarer med naturliga rörelser och beteenden.
Dessa avatarer kan styras av både förinställda algoritmer och faktisk mänsklig input.
FAIR:s nya Habitat-plattform möjliggör:
- Samarbete mellan människa och robot i simulerade hemliknande miljöer. Här kan robotar lära sig att arbeta tillsammans med mänskliga avatarer och bemästra uppgifter som städning.
- Realistiska interaktioner med mänskliga avatarer, kompletta med naturliga rörelser och utseende, för att efterlikna interaktioner i verkligheten.
- Human-in-the-loop-utvärderingar, där riktiga människor kan interagera med och styra dessa avatarer via olika gränssnitt, inklusive tangentbord, möss och till och med VR-headset.
Enligt Meta erbjuder plattformen flera fördelar jämfört med konventionella robotutbildningsmetoder:
- Snabbare inlärning för förstärkningsalgoritmer, vilket gör att experiment som skulle ta flera år i verkliga scenarier kan genomföras på några dagar.
- Snabb och sömlös anpassning av miljön, vilket eliminerar logistiska utmaningar som att fysiskt flytta robotar.
- En säkrare testmiljö som säkerställer att AI-modeller inte utgör hot i verkliga scenarier.
Tillsammans med Habitat 3.0 släppte FAIR också Habitat Synthetic Scenes Dataset (HSSD-200).
Denna dataset innehåller över 18.000 objekt och ger robotarna en mer autentisk träningsmiljö som nära speglar verkliga scenarier.
FAIR erkänner att verkligt socialt intelligenta robotar kommer att behöva förstå de dynamiska miljöer där människor lever.
Nästa forskningsfas kommer att utnyttja kapaciteten hos Habitat 3.0 för att ytterligare förfina AI-modeller för mer förbättrat samarbete mellan människa och robot.