Chatbots wie ChatGPT und Claude haben sich aufgrund ihrer unglaublichen Vielseitigkeit \u2013 sie sind in der Lage, Aufgaben vom Debuggen von Code bis zum Verfassen von Gedichten zu bew\u00e4ltigen \u2013 fest in unser digitales Leben integriert. Ihre Raffinesse verdanken sie den riesigen Mengen an Textdaten, die aus dem Internet gesammelt und f\u00fcr ihr Training verwendet wurden. Das Training von Robotern, die in physischen Umgebungen agieren, erfordert jedoch weit mehr als nur Textdaten. Diese Roboter leben von visuellen und physischen Kontexten, die es ihnen erm\u00f6glichen, nahtlos mit ihrer Umgebung zu interagieren \u2013 sei es, eine Kaffeetasse auf den Tisch zu stellen oder Geschirr zu stapeln, ohne dabei L\u00e4rm zu verursachen. Das Erlernen dieser Vorg\u00e4nge ist keine Kleinigkeit \u2013 es erfordert Demonstrationen, die Anleitungen f\u00fcr jede einzelne Aufgabe \u00e4hneln. Der Haken daran? Das Sammeln dieser Demonstrationen aus der realen Welt ist nicht nur m\u00fchsam, sondern kann auch uneinheitlich und kostspielig sein.<\/p>\n
An dieser Stelle kommt die bahnbrechende Arbeit des Computer Science and Artificial Intelligence Laboratory (CSAIL) des MIT und des Toyota Research Institute ins Spiel. Diese Forscher entwickelten eine paradigmenver\u00e4ndernde Methode mit dem Namen steuerbare Szenengenerierung<\/a>: eine Methode zur Erstellung virtueller 3D-Umgebungen \u2013 beispielsweise K\u00fcchen oder Restaurants \u2013, mit denen sich eine Vielzahl von Roboteraufgaben simulieren l\u00e4sst. Diese Methode basiert auf einem Diffusionsmodell, einem Teilgebiet der KI, das mit zuf\u00e4lligem Rauschen beginnt und dieses schrittweise zu einem strukturierten Bild formt. Das Modell h\u00e4lt sich an die Gesetze der Physik und erzeugt so glaubw\u00fcrdige Szenen und Objekte. So sorgt es beispielsweise daf\u00fcr, dass eine Gabel nicht unheimlich durch eine Suppensch\u00fcssel schwebt, was dem Ganzen einen Hauch von Realismus verleiht.<\/p>\n Das herausragende Merkmal dieser Methode ist die Integration der Monte-Carlo-Baumsuche (MCTS) \u2013 einer Strategie, die von KI-Spielsystemen wie AlphaGo inspiriert ist. MCTS bietet dem Modell eine Perspektive, um mehrere m\u00f6gliche Wege zur Konstruktion einer Szene zu erkunden und sich dabei je nach dem jeweiligen Ziel f\u00fcr die realistischste oder wertvollste Version zu entscheiden. Ob es darum geht, die Vielfalt der in einer K\u00fcche gelagerten Lebensmittel zu maximieren oder um etwas anderes \u2013 MCTS ist dieser Aufgabe gewachsen. Nicholas Pfaff, ein Doktorand am MIT EECS, der das Projekt leitet, erkl\u00e4rt weiter, dass dies das erste Mal ist, dass MCTS auf die Szenengenerierung angewendet wird, wo es als sequenzieller Entscheidungsprozess konzipiert ist, der die Erstellung komplexer Szenen erm\u00f6glicht, die \u00fcber den urspr\u00fcnglichen Trainingsdatensatz hinausgehen.<\/p>\n Ein weiteres bemerkenswertes Merkmal ist der Lernansatz des Modells. Es nutzt verst\u00e4rktes Lernen, bei dem es eine \u201cBelohnung\u201d daf\u00fcr erh\u00e4lt, wenn es Szenen entwirft, die bestimmte Vorgaben erf\u00fcllen. Mit der Zeit lernt das Modell, Umgebungen zu erschaffen, die den gew\u00fcnschten Ergebnissen sehr nahe kommen. Nutzer k\u00f6nnen das System mithilfe ma\u00dfgeschneiderter visueller Anweisungen steuern, etwa: \u201cErstelle eine K\u00fcchenszene mit vier \u00c4pfeln und einer Sch\u00fcssel auf dem Tisch.\u201d Die Ergebnisse sind geradezu beeindruckend, da dieses Modell seine Konkurrenten bei den Aufgaben um mindestens 10% \u00fcbertrifft. Doch das ist noch nicht alles \u2013 das Modell kann auf Befehl auch bestehende Szenen ver\u00e4ndern. Es kann Objekte umstellen oder neue hinzuf\u00fcgen, wobei die Integrit\u00e4t der Umgebung stets gewahrt bleibt. Es ist, als h\u00e4tte man einen pers\u00f6nlichen virtuellen Set-Manager, der \u00fcber ein Verst\u00e4ndnis f\u00fcr \u00c4sthetik und Physik verf\u00fcgt.<\/p>\n Die wahre St\u00e4rke dieses Systems liegt in seiner F\u00e4higkeit, f\u00fcr Robotiker unsch\u00e4tzbare Trainingsdaten zu generieren. Die virtuellen Umgebungen werden zu einem Trainingsparcours, auf dem Roboter Aufgaben wie das Anordnen von Besteck oder das Anrichten von Speisen auf Tellern erlernen. Die realit\u00e4tsnahen Simulationen schaffen eine ideale Testumgebung, um Roboter f\u00fcr Aufgaben in der realen Welt zu trainieren. Zuk\u00fcnftige Versionen dieses Systems sollen interaktive Elemente wie Schr\u00e4nke oder Gl\u00e4ser enthalten, die von Robotern entnommen werden k\u00f6nnen, was f\u00fcr noch mehr Realismus sorgt. Nicholas Pfaff weist zudem darauf hin, dass die Szenen im Vortraining von den tats\u00e4chlichen Situationen abweichen k\u00f6nnen. \u201cMit unseren Steuerungsmethoden k\u00f6nnen wir \u00fcber diese breite Verteilung hinausgehen und aus einer \u2018besseren\u2019 Verteilung Stichproben ziehen.\u201d<\/p>\n Auf l\u00e4ngere Sicht strebt das Team an, Bilder aus der realen Welt in die Trainingsdaten zu integrieren, und zwar mithilfe einer Technik, die als Skalierbares Real2Sim<\/a>. Dadurch k\u00f6nnte das System Umgebungen erstellen, die denen, denen Roboter in der Realit\u00e4t begegnen, n\u00e4her kommen. Die Branchenexperten sehen dieser Entwicklung recht optimistisch entgegen. Jeremy Binagia, angewandter Wissenschaftler bei Amazon Robotics, erkl\u00e4rte, dass die steuerbare Szenengenerierung physikalische Machbarkeit und vollst\u00e4ndige 3D-\u00dcbersetzung gew\u00e4hrleistet und somit wesentlich fesselndere Szenen hervorbringt. Diese Forschung wurde von Amazon und dem Toyota Research Institute unterst\u00fctzt und auf der \u201eConference on Robot Learning\u201c vorgestellt. Weitere Details finden Sie im Originalartikel<\/a> auf MIT News. <\/p>","protected":false},"excerpt":{"rendered":" Chatbots, like ChatGPT and Claude, have woven themselves into the fabric of our digital lives due to their incredible versatility, capable of tasks ranging from code debugging to crafting poetry. Their finesse is owed to the vast amounts of text data gathered from the internet on which they are trained. However, training robots that operate in physical environments requires a lot more than just text data. These robotic entities thrive on visual and physical contexts, enabling them to interact seamlessly with their environments\u2014whether it be placing a coffee cup on the table or stacking dishes without causing a clatter. Learning […]<\/p>\n","protected":false},"author":4,"featured_media":7273,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[2],"tags":[],"class_list":["post-7272","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-images","post--single"],"_links":{"self":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/posts\/7272","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/comments?post=7272"}],"version-history":[{"count":0,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/posts\/7272\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/media\/7273"}],"wp:attachment":[{"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/media?parent=7272"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/categories?post=7272"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/de\/wp-json\/wp\/v2\/tags?post=7272"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}