Gehen Roboter können all kinds von aufregenden Dingen tun, wie tanzen, laufen und Kampfsport — aber damit sie nützlich sind, müssen sie in der Lage sein, ihre Beine zu benutzen, um mit dem Terrain umzugehen, um über Hindernisse zu bewegen, nicht nur um sie herum. Also, wie können wir am besten Gehpolitiken für beinbetriebene Roboter trainieren? @ChongZitaZhang spricht mit uns darüber, wie. Sehen Sie sich Episode #43 von RoboPapers an, moderiert von @micoolcho und @chris_j_paxton, um mehr zu erfahren.

Mit genügend Daten können Roboter und KI "Weltmodelle" lernen, die es ihnen ermöglichen, die Ergebnisse ihrer Handlungen vorherzusagen. Diese Modelle sind eine Möglichkeit zu lernen, wie verkörperte KI-Agenten eine Vielzahl nützlicher Aufgaben ausführen können – sie erfordern jedoch eine riesige Menge an Daten. Das Team von General Intuition @gen_intuition hat eine Lösung: Daten aus Videospielen nutzen! Spiele lehren Bewegung, Problemlösung und komplexes räumliches Denken, und sie kommen in einer erstaunlichen Vielfalt von Formen, die eine breite Palette von Problemen abdecken. Außerdem sind die erfassten Daten von hoher Qualität, ohne das Rauschen oder die Annotierungsfehler, die auftreten können. Wir haben uns mit @PimDeWitte und @AdamJelley2 vom General Intuition-Team zusammengesetzt, um mehr über ihre Geschichte, ihre Pläne und ihre Philosophie zu erfahren.

Die gesamte Episode wird bald veröffentlicht! Wir sind begeistert von @PimDeWitte @AdamJelley2, Mitbegründern von @gen_intuition, die großangelegte Spielaufzeichnungen nutzen, um Agenten mit tiefen räumlichen/zeitlichen Überlegungen zu entwickeln. Auf der Arbeit von Adam, @EloiAlonso1 @micheli_vincent (alle Mitbegründer von General Intuition) basierend: DIAMOND - Diffusion für Weltmodellierung: Visuelle Details sind wichtig in Atari. Co-moderiert von @micoolcho @chris_j_paxton