Nvidia近日详细介绍了Eureka,一种可以自动训练机器人执行新任务的AI系统。
在一次内部评估中,Nvidia使用Eureka教10个模拟机器人29种不同的动作。工程师通常会在构建机器之前创建机器模拟版本以支持开发工作Eureka教Nvidia的虚拟机器人打开抽屉、表演转笔技巧以及执行其他相对复杂的任务。
很多机器人都是由强化学习模型的神经网络提供动力的。强化学习模型通过反复试验来学习执行任务:它们在模拟环境中多次重复该任务,直到弄清楚如何正确执行该任务。模拟学习环境中,包括一个充当神经网络测试台的虚拟机器人。
在此类项目中,AI训练过程由是一段称为奖励函数的代码进行监督的。当机器人的强化学习模型在学习过程中得出正确的结论时,该函数会“奖励”它,并在错误时对其进行惩罚,通过这种方式,强化学习模型将被引导找到操作机器人的正确方法。
为强化学习模型编写奖励函数历来是一项耗时且技术含量高的任务。据Nvidia称,这次推出的Eureka系统可以实现这个过程的自动化,系统会根据自然语言指令生成奖励函数,例如“教机械臂下棋”等。
Eureka在幕后使用OpenAI GPT-4将用户提示转化为奖励函数。除了提示本身之外,系统还接受所谓的环境代码作为输入,这是一种描述模拟机器人通过训练以执行新任务的代码。
据Nvidia称,Eureka 不仅会生成奖励函数,还会随着时间的推移对其进行不断改进。该系统创建了多个版本的奖励函数,并通过将其应用到模拟机器人来评估工作效果,然后会分析评估结果以找出改进的机会。
Eureka系统还可以在此过程中考虑开发人员的反馈,特别是允许工程师就如何增强机器人的奖励功能提供建议,这些建议已经纳入到代码优化过程中。
Nvidia表示,在测试的80%多的机器人动作中,Eureka奖励函数的表现优于人类编写的代码。结果,作为该项目一部分开发的10个模拟机器人更有效地执行了分配的任务,Nvidia的研究人员记录到机器人性能提高了52%。
参与Eureka开发的Nvidia人工智能研究高级总监Anima Anandkumar表示:“强化学习在过去十年中取得了令人印象深刻的胜利,但仍然存在许多挑战,例如奖励设计,这仍然是一个试错的过程。Eureka是开发新算法的第一步,这种算法集成了生成式学习和强化学习方法来解决那些困难的任务。”
Nvidia已经在GitHub上发布了Eureka的关键组件以及描述其工作原理的学术论文。工程师可以使用Nvidia的Isaac Gym程序运行该软件,该软件是一种专门为支持AI驱动型机器人开发而设计的模拟工具。
好文章,需要你的鼓励
OpenAI 本周为 ChatGPT 添加了 AI 图像生成功能,用户可直接在对话中创建图像。由于使用量激增,CEO Sam Altman 表示公司的 GPU "正在融化",不得不临时限制使用频率。新功能支持工作相关图像创建,如信息图表等,但在图像编辑精确度等方面仍存在限制。值得注意的是,大量用户正在使用该功能创作吉卜力动画风格的图像。
Synopsys 近期推出了一系列基于 AMD 最新芯片的硬件辅助验证和虚拟原型设计工具,包括 HAPS-200 原型系统和 ZeBu-200 仿真系统,以及面向 Arm 硬件的 Virtualizer 原生执行套件。这些创新工具显著提升了芯片设计和软件开发的效率,有助于加快产品上市速度,满足当前 AI 时代下快速迭代的需求。
人工智能正在深刻改变企业客户关系管理 (CRM) 的方方面面。从销售自动化、营销内容生成到客服智能化,AI不仅提升了运营效率,还带来了全新的服务模式。特别是自主代理AI (Agentic AI) 的出现,有望在多渠道无缝接管客户服务职能,开创CRM发展新纪元。
数据孤岛长期困扰着组织,影响着人工智能的可靠性。它们导致信息分散、模型训练不完整、洞察力不一致。解决方案包括实施强大的数据治理、促进跨部门协作、采用现代数据集成技术等。克服数据孤岛对于充分发挥AI潜力至关重要。