Generatived (Beta) | Cung cấp tin tức và xu hướng mới nhất về AI sáng tạo

Nghiên cứu mới nhất của NVIDIA nhằm mục đích giải quyết sự phức tạp của việc huấn luyện robot cho các nhiệm vụ mới và đơn giản hóa quy trình bằng cách giảm thiểu nhu cầu thu thập và dán nhãn dữ liệu quy mô lớn. Việc sử dụng sáng tạo Generative AI) và các mô hình dựa trên thế giới như NVIDIA Cosmos, cùng với các bản thiết kế tạo dữ liệu như NVIDIA Isaac GR00T-Mimic và GR00T-Dreams, giúp hợp lý hóa quy trình tạo dữ liệu tổng hợp và huấn luyện mô hình robot.

Khả năng dự đoán của các mô hình dựa trên thế giới Cosmos, được đào tạo dựa trên lượng lớn dữ liệu thực tế, là cốt lõi của nỗ lực này. Các mô hình này có thể dự đoán các sự kiện trong tương lai chỉ từ một hình ảnh duy nhất và sẽ đóng vai trò quan trọng trong việc tạo ra dữ liệu tổng hợp đa dạng, thực tế cho việc huấn luyện robot. Phương pháp này được kỳ vọng sẽ giảm đáng kể thời gian và công sức cần thiết để huấn luyện robot từ hàng tháng xuống còn vài giờ.

DreamGen, một quy trình tạo dữ liệu tổng hợp, là một yếu tố quan trọng khác trong chiến lược của NVIDIA. Phương pháp này tận dụng các mô hình dựa trên thế giới để tạo ra lượng lớn dữ liệu quỹ đạo robot tổng hợp, loại bỏ nhiệm vụ thu thập dữ liệu từ xa vốn tốn nhiều công sức của con người. Phương pháp này được kỳ vọng sẽ cho phép robot học tập có khả năng mở rộng và khái quát hóa rộng rãi trên nhiều hành vi, môi trường và hình thái robot khác nhau.

Ngoài ra, NVIDIA còn giới thiệu GR00T N1, một mô hình mã nguồn mở được thiết kế để trang bị cho robot những kỹ năng chung bằng cách học hỏi từ sự kết hợp giữa dữ liệu thực tế, dữ liệu của con người và dữ liệu tổng hợp. Lấy cảm hứng từ nhận thức của con người, mô hình này tích hợp thị giác, ngôn ngữ và hành vi để cho phép robot hiểu các hướng dẫn và thực hiện các nhiệm vụ phức tạp trong các tình huống động.

Bên cạnh những tiến bộ này, nghiên cứu của NVIDIA còn bao gồm Latent Action Pretraining from Videos (LAPA), một kỹ thuật học không giám sát giúp học các hành động liên quan đến robot từ video quy mô lớn mà không cần dán nhãn thủ công. Một phương pháp nổi bật khác là phương pháp Sim-and-Real Co-Training, kết hợp dữ liệu mô phỏng và dữ liệu thực tế để phát triển các chính sách robot thích ứng hơn.

Những đổi mới này đã và đang được các tổ chức áp dụng để cải thiện khả năng của robot công nghiệp và robot hình người. NVIDIA tiếp tục chia sẻ thông tin chuyên sâu và tài nguyên thông qua Tạp chí Nghiên cứu và Phát triển Robot (R2D2), khuyến khích các nhà phát triển tích cực tham gia nghiên cứu bằng cách cung cấp các khóa học miễn phí và tiếp cận cộng đồng nghiên cứu.