革命性機器人學習：Meta的ARIA Gen 2如何通過Egentric AI實現400％的訓練速度

長期以來，機器人技術的演變一直受到緩慢且昂貴的訓練方法的限制，要求工程師手動遠程操作機器人收集特定於任務的培訓數據。但是，隨著Meta Project Aria的下一代AI研究平台Aria Gen 2的推出，此範式正在轉移。通過利用以Egentric AI和第一人稱的看法，研究人員現在正在為機器人提供對世界的更像人類的理解，從而更快，可擴展和成本效益的機器人培訓……如佐治亞理工學院所證明的那樣。

歷史挑戰：教機器人執行人類任務

當今的機器人難以適應現實世界的環境，主要是因為它們需要高度專業的數據集進行培訓。傳統方法涉及機器人近距離，工程師在收集傳感器數據時手動指導機器人通過任務。這種方法是：

• 耗時： 例如，訓練機器人折疊洗衣房可能需要數週的監督示範。
• 昂貴的： 人類秘密專家和高端機器人硬件的成本使大規模培訓變得不切實際。
• 特定於任務： 每個新技能都需要全新的數據集，從而限制了跨不同環境的概括。

如果僅僅看著人類執行任務，機器人可以學習，該怎麼辦？

Egintric AI：可擴展機器人學習的突破

這就是ARIA Gen 2的來源。研究人員現在使用Egentric AI（從人類的第一人稱角度學習）來更快地訓練機器人，更少的數據以及跨越更廣泛的任務。

ARIA Gen 2用於機器人研究的主要優勢：

• 實時感知：配備了RGB攝像機，猛擊傳感器，IMUS和引人注目的相機，Aria眼鏡準確地捕捉了人類看到的，聽到和體驗的內容。
• 設備的AI處理：直接在眼鏡上處理猛擊，手動跟踪和語音識別，從而實現了實時AI驅動的學習。
• 第一人稱任務演示：現在可以使用人類以人為中心的記錄對機器人進行培訓，從而可以收集更多自然，可擴展的數據。

佐治亞理工學院的自負：機器人從人類數據中學習

在佐治亞理工學院的機器人學習和推理實驗室中，由Danfei Xu教授領導的研究人員開創了一個名為Egomimic的突破性框架，該框架使用Aria Gen 2的第一人稱人類數據來訓練類人形機器人。

自我的工作原理

1. 人類戴上Aria Gen 2眼鏡時，人類執行日常任務（例如，折疊洗衣，洗碗）。
2. ARIA捕獲了以人為中心的傳感器數據，包括視覺，運動和手動相互作用。
3. 收集的數據被饋送到egomimic中，將人類的作用轉化為機器人行為。
4. 機器人學會在不需要手動遠程運行的情況下複製人類行動。

以Egentric AI的速度進行400％的機器人學習速度

與傳統方法相比，自負的加速訓練效率提高了400％，同時減少了對遙控示威的需求。機器人現在只能使用90分鐘的人類自我錄音來學習新任務，而不是數百小時的機器人指導培訓。

縮小人類和機器人感知之間的差距

使這種方法革命性的原因是，芳香眼鏡不僅用於人類數據收集，而且還充當了機器人的實時感知系統。

• 安裝在機器人上的芳香眼鏡是傳感器包裝，使機器人可以實時感知其環境，就像人類一樣。
• ARIA客戶端SDK將實時傳感器數據流到機器人的AI系統，從而實現了更自適應的現實決策。
• 將“域差距”最小化 – 從機器人和人類從相同的以自我為中心的角度收集數據，接受過人類示範訓練的AI模型無縫地轉化為機器人執行。

潛在的可擴展人類機器人的AI培訓

借助Egomimic和Aria Gen 2，研究人員設想了一個未來：

• 可以使用以上為中心的數據對機器人進行大規模培訓，從而大大降低了AI培訓所需的成本和時間。
• 人形機器人可以執行各種日常任務，從協助在家到在動態的工業環境中運營。
• 以Egentric AI成為通用機器人技術的基礎，使機器人能夠以人類的方式學習（通過觀察和經驗）學習。

ARIA Gen 2不僅是AI研究工具，而且是機器人技術的轉折點。通過將焦點從基於遠程流動的培訓轉移到可擴展的以自我為中心的學習，Meta為下一代智能，適應性的機器人鋪平了道路。

查看 元 項目頁面 和 佐治亞州科技項目頁面 和 鏈接到數據集。 這項研究的所有信用都歸該項目的研究人員。另外，請隨時關注我們 嘰嘰喳喳 而且不要忘記加入我們的 80k+ ml子列數。

🚨 推薦的閱讀-LG AI研究釋放Nexus：一個高級系統集成代理AI系統和數據合規性標準，以解決AI數據集中的法律問題

讓·馬克（Jean-Marc）是一位成功的AI業務主管。他領導並加速了AI Power的解決方案的增長，並於2006年創立了一家計算機視覺公司。他是AI會議的公認發言人，並擁有斯坦福大學的MBA學位。