TRI revolutioniert Robotikfähigkeiten mit bahnbrechender Diffusion-Policy-KI
TRI
- TRI stellt KI für den schnellen Erwerb von Robotergeschicklichkeiten vor.
- Roboter erlangen vielfältige Geschicklichkeit ohne traditionelle Programmierung.
- Der Diffusion-Policy-Ansatz beschleunigt das Lernen von Robotern und gewährleistet dabei die Sicherheit.
In einem bedeutenden Schritt zur Verbesserung der Fähigkeiten von Robotern hat das Toyota Research Institute (TRI) eine wegweisende generative KI-Technik namens Diffusion Policy angekündigt. Dieser innovative Ansatz befähigt Roboter, schnell neue, komplexe Fähigkeiten zu erlernen und damit ihren Nutzen in verschiedenen Anwendungen zu erweitern. Diese Entwicklung erinnert an die transformative Wirkung, die Large Language Models (LLMs) auf die konversationale KI ausgeübt haben.
Gill Pratt, CEO von TRI und Chief Scientist der Toyota Motor Corporation, betonte das Engagement des Instituts, das menschliche Potenzial durch Robotik zu steigern. Er erklärte: „Unsere Robotikforschung zielt darauf ab, Menschen zu verstärken, anstatt sie zu ersetzen. Diese neue Lehrtechnik ist sowohl sehr effizient als auch erzeugt hochleistungsfähige Verhaltensweisen, die es Robotern ermöglichen, Menschen auf viele Arten effektiver zu unterstützen.“
Bisher war das Beibringen neuer Verhaltensweisen an Roboter ein mühsamer und oft ineffizienter Prozess, der von langsamen Fortschritten und begrenzter Anwendbarkeit geprägt war. Robotikingenieure mussten typischerweise viel Zeit in das Schreiben komplexen Codes investieren oder auf unzählige Trial-and-Error-Iterationen zurückgreifen, um gewünschte Verhaltensweisen zu programmieren. TRI’s bahnbrechender Ansatz hat jedoch das Spiel verändert.
TRI hat Robotern erfolgreich über 60 komplexe und geschickte Fähigkeiten mit dem Diffusion-Policy-Ansatz beigebracht. Diese Fähigkeiten umfassen eine breite Palette von Aktivitäten, darunter das Eingießen von Flüssigkeiten, den Umgang mit Werkzeugen und das Manipulieren verformbarer Objekte. Bemerkenswerterweise wurden diese Erfolge ohne den Bedarf erreicht, neue Anweisungen zu codieren; die einzige Voraussetzung war die Bereitstellung neuer Daten für den Roboter. Aufbauend auf diesem bemerkenswerten Erfolg hat TRI ehrgeizige Ziele gesetzt, bis Ende des Jahres Hunderte neuer Fähigkeiten beizubringen und bis Ende 2024 beeindruckende 1.000 Fähigkeiten zu vermitteln.
Die heutige Ankündigung unterstreicht die Vielseitigkeit von Robotern bei der Anpassung an neue Szenarien und die Ausführung vielfältiger Verhaltensweisen. Diese Fähigkeiten gehen über einfache „Pick-and-Place“-Aufgaben hinaus und ermöglichen es den Robotern von TRI, auf reiche und vielfältige Weise mit der Welt zu interagieren. Diese Vielseitigkeit ist ein bedeutender Schritt hin zu Robotern, die Menschen in alltäglichen Situationen und unvorhersehbaren, sich ständig verändernden Umgebungen unterstützen können.
Russ Tedrake, Vizepräsident für Robotikforschung bei TRI und Toyota-Professor für Elektrotechnik und Informatik, Luft- und Raumfahrttechnik sowie Maschinenbau am MIT, äußerte seine Begeisterung über die Fortschritte. Er bemerkte: „Die Aufgaben, die ich diese Roboter ausführen sehe, sind einfach erstaunlich; noch vor einem Jahr hätte ich nicht vorhergesagt, dass wir diesem Niveau an vielfältiger Geschicklichkeit so nahe sind.“ Dr. Tedrake hob den außergewöhnlichen Aspekt des neuen Ansatzes hervor: seine Fähigkeit, neue Fähigkeiten schnell und zuverlässig zu erwerben, selbst bei Aufgaben, die verformbare Objekte, Stoffe und Flüssigkeiten beinhalten, die Robotern historisch gesehen erhebliche Herausforderungen bereitet haben.
Revolutionierung des Erwerbs von Roboterfähigkeiten
Das Roboterverhaltensmodell von TRI lernt durch eine Kombination aus haptischen Demonstrationen eines menschlichen Lehrers und einer sprachlichen Beschreibung des gewünschten Ziels. Anschließend wird eine KI-basierte Diffusion-Policy eingesetzt, um das Erlernen der demonstrierten Fähigkeit zu erleichtern. Dieser Prozess ermöglicht die autonome Bereitstellung neuer Verhaltensweisen basierend auf Dutzenden von Demonstrationen. Bemerkenswerterweise liefert dieser Ansatz konsistent wiederholbare und hochleistungsfähige Ergebnisse, alles erreicht mit beeindruckender Geschwindigkeit.
Der Diffusion-Policy-Ansatz, eine gemeinsame Anstrengung von TRI und der Forschungsgruppe von Professor Song an der Columbia University, stellt eine leistungsstarke generative KI-Technik für das Verhaltenslernen dar. Er strafft und beschleunigt den Prozess des Beibringens neuer Verhaltensweisen an Roboter durch Demonstrationen.
Die Roboterplattform von TRI ist speziell für die Exzellenz bei geschickten Zwei-Arm-Manipulationsaufgaben konzipiert, mit einem besonderen Fokus auf die Ermöglichung von haptischem Feedback und taktiler Sensorik. Diese spezialisierte Plattform bildet die Grundlage für TRI’s Erfolge bei der Erweiterung der Roboterfähigkeiten.
Mit Blick nach vorn ist TRI entschlossen, die Grenzen der Robotik weiterhin zu erweitern. Das Institut hat bereits den Erwerb von 60 geschickten Fähigkeiten nachgewiesen und beabsichtigt, bis Ende des Jahres Hunderte weitere zu lehren, mit einem beeindruckenden Ziel von 1.000 Fähigkeiten bis zum Ende von 2024. Dieses Engagement für rasante Fortschritte unterstreicht TRI’s Hingabe an die Steigerung des menschlichen Potenzials durch Robotik.
Sicherheit als Kernstück von TRI’s Robotikbestrebungen
Sicherheit bleibt ein vorrangiges Anliegen in TRI’s Robotikbestrebungen. Das Institut hat starke Schutzmaßnahmen in seine Systeme integriert, die vom Drake-Framework und seinem benutzerdefinierten Roboter-Steuerungsstack angetrieben werden. Diese Maßnahmen stellen sicher, dass TRI’s Roboter Sicherheitsgarantien einhalten, wie zum Beispiel das Vermeiden von Kollisionen mit sich selbst oder ihrer Umgebung.
Der bahnbrechende Diffusion-Policy-Ansatz wurde in einer Veröffentlichung auf der Konferenz Robotics Science and Systems 2023 detailliert beschrieben und bietet Einblicke in die technischen Aspekte dieser wegweisenden Technik. Weitere technische Informationen finden sich auf TRI’s Medium-Blog.
Um mehr über diese bahnbrechende Entwicklung in der Robotik zu erfahren, sind interessierte Personen eingeladen, an einer LinkedIn Live Q&A-Session am 4. Oktober von 13:00 bis 13:30 Uhr ET / 10:00 bis 10:30 Uhr PT teilzunehmen. Diese Session bietet die Möglichkeit, direkt vom TRI-Robotikforschungsteam zu hören. Um teilzunehmen, melden Sie sich bitte für die Veranstaltung auf TRI’s LinkedIn-Seite an.
Das Toyota Research Institute (TRI) steht an der Spitze der Forschung, die darauf abzielt, menschliche Fähigkeiten zu verbessern, mit einem Fokus auf die Verbesserung von Sicherheit und Nachhaltigkeit. Unter der Leitung von Dr. Gill Pratt treibt das engagierte Forscherteam von TRI Fortschritte in den Bereichen Energie und Materialien, menschenzentrierte künstliche Intelligenz, menschlich-interaktives Fahren, maschinelles Lernen und Robotik voran. TRI wurde 2015 gegründet und unterhält Büros in Los Altos, Kalifornien, und Cambridge, Massachusetts, wo es weiterhin Innovation und Fortschritt im Bereich der Robotik vorantreibt.
Die klügsten Krypto-Köpfe lesen bereits unseren Newsletter. Lust dabei? Mach mit.
Haftungsausschluss: Die bereitgestellten Informationen stellen keine Anlageberatung dar. Cryptopolitan.com übernimmt keine Haftung für Investitionen, die auf Basis der auf dieser Seite bereitgestellten Informationen getätigt werden. Wir empfehlen dringend eine unabhängige Recherche und/oder eine Beratung durch einen qualifizierten Fachmann, bevor Sie eine Anlageentscheidung treffen.
Derrick Clinton
Derrick ist freiberuflicher Journalist mit einem Schwerpunkt auf Blockchain und Kryptowährungen. Er beschäftigt sich hauptsächlich mit Problemen und Lösungen im Bereich Krypto-Projekte und bietet Marktanalysen für Investoren. Seine analytischen Fähigkeiten wendet er auf Thesen an.
