ע
㵱ǰλ > Ϸƽ̨ >
Ϸƽ̨
Meta AIƳݼǿGenAug ɽеĥ40%
ҳʱ䣺2023-03-03 19:34

Meta AI推出?数据增强框架GenAug ?机器人?练效率提?0%

2?0?消息:机器人?习技?够??泛的任务、??对象。不幸的?这些策略€要广泛€?样化的数?,€在实际的机器人???取这些数?既困难又昂贵。机器人学习的普遍€需要??器人直接??之?的先验或数据?/p>

数据扩充??强模型泛化能力的有用工具。但大?数方法在低级视?空间?行,以?色抖动€高?糊和裁剪等方式改变数?€然而,它们仍然无法处理图片?€的?义差异,例?分散注意力的元素、不同的背景或不同?象的外??/p>

GenAug ?华盛顿大学和 Meta AI €发的?数据增强框架,它使用预?练的文本到图像生成模型来促进实际机器人中基于′的?习€与机器人数?比,预?练的生成″?访问更大、更多样化的数据集€这项研究使用这些生成模型来补充数据,以?现实世界?实际机器人€这项研究基于这样一种直觉信念,即尽″?€背?项目外?存在?,但在一?境中完成任务的方法€常应???到不同情况下的相同任°€?/p>

生成″?生成?不同的?觉情况,具有不同的背?项目外?,在这些情况下,相同的?为仍然有效€同时,有限的机器人体验提供了所€行为的演示€?外,这些生成″??实数??练的,因此生成的场景看起来€真且?变€€过这样做,?从有限数量的演示?松且经济地生成大量?义,从€使学习代理?访问比仅在机器人上演示数?多样化的设置?/p>

GenAug ?为全新的真实??生成“?强的”RGBD 图像,展示机器人在现实世界中?体验到的场景的?觉真实€和复杂性,给定真实机器人系统上提供的图像动作示例数?。具体来说,对于在??执?操作任务的机器人,GenAug 结合使用?提示和生成模型来改变项目的纹理和形状,并添加新的分散注意力的元素和与原?场景在物理上保持€致的背景场景?/p>

Meta 的研究?文表明,GenAug ?于从单一、简单的??创建10?实世界的复杂演示。根?究结果,与传统方法相比,GenAug ?将机器人?提高40%,?机器人可以在从未见过的地方和物品上进行?练€?/p>

该团队?划将 GenAug 应用于机器人学习的其他?域,例?行为克隆和强化?习,并超越更困难的操作问题€研究人员?为,研究?和?觉?€″的混合是否或??提供出色的场?成器,这将是€种引人入胜的方法?/p>