AI 智能體利用 LLM 自動生成獎勵算法，訓(xùn)練機器人完成復(fù)雜任務(wù)。
?

?
NVIDIA Research 開發(fā)的一款名為 Eureka 的新型 AI 智能體可以教機器人復(fù)雜的技能，它教會了機器人手快速轉(zhuǎn)筆，并且第一次轉(zhuǎn)得像人類一樣好。
?
上面視頻中所展示的令人驚嘆的“魔術(shù)”是機器人通過 Eureka 學(xué)會熟練完成的近 30 項任務(wù)之一，Eureka 可以自動編寫?yīng)剟钏惴▉碛?xùn)練機器人。
?
Eureka 還教會了機器人完成打開抽屜和柜子、拋接球、操作剪刀等任務(wù)。
?
于 10 月 20 日發(fā)布的這一 Eureka 研究包含一篇論文和該項目的 AI 算法，開發(fā)者可以使用 NVIDIA Isaac Gym（一款用于強化學(xué)習(xí)研究的物理模擬參考應(yīng)用）進行實驗。Isaac Gym 基于 NVIDIA Omniverse 而構(gòu)建，后者是一個用于基于 OpenUSD 框架構(gòu)建 3D 工具和應(yīng)用的開發(fā)平臺。Eureka 自身是由 GPT-4 大型語言模型驅(qū)動的。
?
NVIDIA AI 研究高級總監(jiān)、Eureka 論文作者之一的 Anima Anandkumar 表示：“在過去十年，強化學(xué)習(xí)取得了空前成功，但依然面臨許多挑戰(zhàn)，比如獎勵設(shè)計需要不斷試錯才能完成。Eureka 是朝著開發(fā)將生成式和強化學(xué)習(xí)方法結(jié)合以解決這些艱巨的任務(wù)的新算法邁出的第一步。”
?
相關(guān)精彩視頻已在NVIDIA中國西瓜視頻賬號發(fā)布：
NVIDIA Research 最新研究成果：Eureka 用 LLM 訓(xùn)練機器人靈巧操作
?
AI訓(xùn)練機器人

據(jù)該論文介紹，Eureka 生成的獎勵程序（可讓機器人進行試錯學(xué)習(xí)）在超過 80% 的任務(wù)上優(yōu)于人類專家編寫的程序，這使得機器人的平均性能提高了 50% 以上。
?

Eureka 教機械臂打開一個抽屜。

?
該 AI 智能體使用 GPT-4 LLM 和生成式 AI 編寫軟件代碼，為機器人進行強化學(xué)習(xí)提供獎勵。它不需要任何特定任務(wù)提示或預(yù)定義的獎勵模板，并且能夠隨時結(jié)合人類的反饋改進其獎勵，使結(jié)果更加精準(zhǔn)地符合開發(fā)者的愿望。
?
利用 Isaac Gym 中的 GPU 加速模擬，Eureka 能夠快速評估大批獎勵候選者的質(zhì)量，從而提高訓(xùn)練效率。
?
Eureka 隨后會基于訓(xùn)練結(jié)果匯總關(guān)鍵統(tǒng)計數(shù)據(jù)，并指導(dǎo) LLM 改進其獎勵函數(shù)的生成。通過這種方式，AI 可以自我完善。Eureka 教會了各類機器人，包括四足機器人、雙足機器人、四旋翼機器人、靈巧手、協(xié)作機器人臂等，來完成不同類型的任務(wù)。
?
該研究論文對 20 個 Eureka 訓(xùn)練任務(wù)進行了深入評估，這些任務(wù)基于開源的靈巧性基準(zhǔn)，要求機器人手展示一系列復(fù)雜的雙手任務(wù)。
?
這些來自九個 Isaac Gym 環(huán)境的測試結(jié)果通過使用 NVIDIA ?Omniverse 生成的可視化進行了展示。
?

類人型機器人通過 Eureka 學(xué)習(xí)跑步步態(tài)。

?
該項目的貢獻者之一、NVIDIA 高級研究科學(xué)家 Linxi “Jim” Fan 表示：“Eureka 是一個獨特的組合，將大型語言模型與 NVIDIA GPU 加速的模擬技術(shù)相結(jié)合，可以實現(xiàn)靈巧的機器人控制，并且為藝術(shù)家提供了一種制作物理逼真動畫的新方法。”
?
除了 NVIDIA Research 最近取得的進展（比如使用 GPT-4 構(gòu)建的能夠自主玩 《我的世界》的 AI 智能體 Voyager）之外，這項突破性的研究成果也必將讓開發(fā)者們腦洞大開。
?
NVIDIA Research 由全球數(shù)百名科學(xué)家和工程師組成，團隊專注于 AI、計算機圖形學(xué)、計算機視覺、自動駕駛汽車、機器人學(xué)等領(lǐng)域的研究。
?
進一步了解 Eureka 與 NVIDIA Research。
?