• <li id="00i08"><input id="00i08"></input></li>
  • <sup id="00i08"><tbody id="00i08"></tbody></sup>
    <abbr id="00i08"></abbr>
  • 新聞中心

    EEPW首頁(yè) > 業(yè)界動(dòng)態(tài) > 人工智能革命即將到來:它將如何改變機(jī)器人?

    人工智能革命即將到來:它將如何改變機(jī)器人?

    作者:EEPW 時(shí)間:2024-05-31 來源:EEPW 收藏

    人工智能()與技術(shù)的融合可能會(huì)將這兩個(gè)領(lǐng)域推向新的高度。這一進(jìn)展得益于的發(fā)展,尤其是基礎(chǔ)模型的發(fā)展,這些模型是適應(yīng)性強(qiáng)、多功能的學(xué)習(xí)算法,為聊天和圖像生成器等技術(shù)提供支持。

    本文引用地址:http://www.czjhyjcfj.com/article/202405/459431.htm

    :新時(shí)代的到來

    AI基礎(chǔ)模型基于從互聯(lián)網(wǎng)上獲取的龐大數(shù)據(jù)集進(jìn)行訓(xùn)練,使機(jī)器人能夠獲得關(guān)于世界的一般知識(shí)。這些模型可以集成到機(jī)器人系統(tǒng)中,賦予它們某種形式的常識(shí),使它們能夠自主執(zhí)行各種任務(wù)并適應(yīng)新環(huán)境。像OpenAI、Google DeepMind和Nvidia這樣的公司走在這項(xiàng)研究的前沿,開發(fā)出用于人形機(jī)器人的復(fù)雜模型。

    例如,Google DeepMind的機(jī)器人變形金剛2(RT-2)是一種基礎(chǔ)模型,使機(jī)械臂能夠執(zhí)行其未明確訓(xùn)練的任務(wù),利用互聯(lián)網(wǎng)獲取的知識(shí)。這種從廣泛的數(shù)據(jù)源中進(jìn)行概括的能力是朝著創(chuàng)建更強(qiáng)大和更適應(yīng)性機(jī)器人的重要一步。

    通過機(jī)器人提升人工智能

    機(jī)器人為推動(dòng)AI本身的發(fā)展提供了獨(dú)特的機(jī)會(huì)。與現(xiàn)實(shí)世界的物理互動(dòng)可以幫助AI系統(tǒng)發(fā)展對(duì)空間和物理概念的更深入理解,向人工通用智能(AGI)邁進(jìn),這種智能在各種任務(wù)中表現(xiàn)出類似人類的認(rèn)知能力。Meta的研究人員Akshara Rai等人認(rèn)為,真正的智能需要物理體現(xiàn)。

    挑戰(zhàn)與障礙

    盡管前景廣闊,AI與機(jī)器人技術(shù)的融合面臨著重重挑戰(zhàn):

    1. 數(shù)據(jù)限制:與擁有數(shù)十億文本示例的語(yǔ)言模型不同,機(jī)器人系統(tǒng)缺乏等量的物理交互數(shù)據(jù)集。DROID2等項(xiàng)目聚合了機(jī)械臂的視頻數(shù)據(jù),而Covariant通過在倉(cāng)庫(kù)中運(yùn)行的機(jī)器人操作數(shù)據(jù)集解決這一問題。

    2. 仿真:為了解決現(xiàn)實(shí)世界數(shù)據(jù)的稀缺性,研究人員越來越多地使用仿真環(huán)境。Meta的Habitat和Nvidia的Isaac Lab等平臺(tái)提供了豐富的虛擬環(huán)境,機(jī)器人可以在其中獲得經(jīng)驗(yàn)而無需面對(duì)物理試驗(yàn)的磨損。

    3. 硬件問題:機(jī)器人是復(fù)雜的機(jī)器,容易發(fā)生故障。這使得AI增強(qiáng)機(jī)器人的部署具有挑戰(zhàn)性。確保硬件的可靠性和穩(wěn)健性是成功集成的關(guān)鍵。

    4. 安全問題:AI模型可能會(huì)犯錯(cuò)誤,在物理機(jī)器人的背景下,這些錯(cuò)誤可能會(huì)導(dǎo)致事故或損壞。確保安全至關(guān)重要,需要嚴(yán)格的監(jiān)督和實(shí)施嚴(yán)格的操作規(guī)則。

    未來前景

    機(jī)器人中AI的未來前景廣闊,潛在應(yīng)用范圍從工業(yè)自動(dòng)化到個(gè)人助理。像Figure這樣的公司正朝著通用人形機(jī)器人邁進(jìn),這些機(jī)器人可以與人類互動(dòng)并執(zhí)行日常任務(wù),得到了OpenAI開發(fā)的AI模型的支持。

    然而,專家警告不要過度炒作當(dāng)前的能力。雖然基礎(chǔ)模型顯示出顯著的潛力,但將這些模型轉(zhuǎn)化為可靠的、日常的機(jī)器人助手需要克服重大的技術(shù)和實(shí)際挑戰(zhàn)。從令人印象深刻的演示到廣泛部署的道路漫長(zhǎng)且充滿障礙。

    結(jié)論

    AI與機(jī)器人技術(shù)的結(jié)合將改變技術(shù)領(lǐng)域的格局,推動(dòng)機(jī)器自主能力的邊界。盡管需要克服許多障礙,持續(xù)的進(jìn)步表明,未來機(jī)器人將在日常生活中更加集成,執(zhí)行廣泛的任務(wù),并具有以前認(rèn)為僅存在于科幻中的自主性和智能。



    關(guān)鍵詞: 機(jī)器人 AI

    評(píng)論


    相關(guān)推薦

    技術(shù)專區(qū)

    關(guān)閉
    主站蜘蛛池模板: 阿拉善盟| 苍溪县| 桂阳县| 通化市| 衡山县| 峨山| 永德县| 同江市| 钦州市| 祥云县| 永清县| 塔城市| 怀化市| 静乐县| 富顺县| 临湘市| 开化县| 密云县| 桑植县| 观塘区| 栖霞市| 江油市| 庆元县| 确山县| 双牌县| 张家界市| 枞阳县| 南充市| 龙里县| 文山县| 丹江口市| 遂川县| 建水县| 长兴县| 曲周县| 潼关县| 得荣县| 阿拉尔市| 闻喜县| 云和县| 洛宁县|