لقد رأيت راعي بقر يمتطي ثورًا في مسابقة رعاة البقر، والآن هنا كلب آلي قادر على التوازن والمشي بشكل مستمر على كرة اليوجا!
من الممتع مشاهدة الجهاز ذو الأرجل الأربعة يتحرك ويتكيف، لكنه يعزز القدرة الجادة للتكنولوجيا وكيف يبدو أن الذكاء الاصطناعي مثل GPT-4 يقوم بتدريب الروبوتات على أداء المهام الصعبة بشكل أكثر فعالية من البشر.
DrEureka هي المسؤولة. إنها حزمة برامج مفتوحة المصدر تستخدم لتدريب الروبوتات على تنفيذ تعليمات حقيقية باستخدام LLMs مثل ChatGPT 4.
تُستخدم الفيزياء المحاكاة في بيئة افتراضية، نظام "المحاكاة إلى الواقع"، قبل تنفيذ المهام في الحياة الواقعية.
صرح جيم فان، أحد المطورين، "إن مهمة كرة اليوجا صعبة بشكل خاص لأنه ليس من الممكن محاكاة سطح الكرة النطاطة بدقة. ومع ذلك، لا تواجه DrEureka مشكلة في البحث في مساحة واسعة من التكوينات التي تشبه إلى حد كبير الواقع، وتمكن الكلب من توجيه الكرة على تضاريس مختلفة، حتى المشي جانبيًا!
كيف يقوم LLM بتدريب الروبوت؟
يتم تمثيل "التوزيع العشوائي للمجال" في "Dr" الخاص بـ DrEureka. إنه يرمز إلى التوزيع العشوائي للعوامل المتغيرة مثل البلل والاحتكاك والكتلة ومركز الثقل في موقف محاكاة.
من خلال توفير بعض التعليمات في LLM، يمكن للذكاء الاصطناعي معالجة المعلومات لكتابة التعليمات البرمجية التي تحدد نظام المكافأة/العقاب لتعليم الروبوت، افتراضيًا، حيث 0 يساوي الفشل، وأي شيء فوق الصفر هو نجاح - ولكن كلما ارتفعت النتيجة، كلما أعظم الأجر. يمكن تنفيذ التأطير عن طريق تحديد الحد الأدنى والحد الأقصى لنقاط الكسر للمتغيرات بما في ذلك ارتداد الكرة، والقوة الدافعة، وحركة الأطراف.
مع LLM القوي، لا توجد مشكلة في إنشاء المعلمات بكميات كبيرة لنظام التدريب لتنفيذ الأوامر في وقت واحد - للسماح للكلب الآلي بالقيام بعمله على كرة اليوجا.
من الممتع مشاهدة الجهاز ذو الأرجل الأربعة يتحرك ويتكيف، لكنه يعزز القدرة الجادة للتكنولوجيا وكيف يبدو أن الذكاء الاصطناعي مثل GPT-4 يقوم بتدريب الروبوتات على أداء المهام الصعبة بشكل أكثر فعالية من البشر.
DrEureka هي المسؤولة. إنها حزمة برامج مفتوحة المصدر تستخدم لتدريب الروبوتات على تنفيذ تعليمات حقيقية باستخدام LLMs مثل ChatGPT 4.
تُستخدم الفيزياء المحاكاة في بيئة افتراضية، نظام "المحاكاة إلى الواقع"، قبل تنفيذ المهام في الحياة الواقعية.
صرح جيم فان، أحد المطورين، "إن مهمة كرة اليوجا صعبة بشكل خاص لأنه ليس من الممكن محاكاة سطح الكرة النطاطة بدقة. ومع ذلك، لا تواجه DrEureka مشكلة في البحث في مساحة واسعة من التكوينات التي تشبه إلى حد كبير الواقع، وتمكن الكلب من توجيه الكرة على تضاريس مختلفة، حتى المشي جانبيًا!
كيف يقوم LLM بتدريب الروبوت؟
يتم تمثيل "التوزيع العشوائي للمجال" في "Dr" الخاص بـ DrEureka. إنه يرمز إلى التوزيع العشوائي للعوامل المتغيرة مثل البلل والاحتكاك والكتلة ومركز الثقل في موقف محاكاة.
من خلال توفير بعض التعليمات في LLM، يمكن للذكاء الاصطناعي معالجة المعلومات لكتابة التعليمات البرمجية التي تحدد نظام المكافأة/العقاب لتعليم الروبوت، افتراضيًا، حيث 0 يساوي الفشل، وأي شيء فوق الصفر هو نجاح - ولكن كلما ارتفعت النتيجة، كلما أعظم الأجر. يمكن تنفيذ التأطير عن طريق تحديد الحد الأدنى والحد الأقصى لنقاط الكسر للمتغيرات بما في ذلك ارتداد الكرة، والقوة الدافعة، وحركة الأطراف.
مع LLM القوي، لا توجد مشكلة في إنشاء المعلمات بكميات كبيرة لنظام التدريب لتنفيذ الأوامر في وقت واحد - للسماح للكلب الآلي بالقيام بعمله على كرة اليوجا.
