AI 智能體利用 LLM 自動生成獎勵算法，訓練機器人完成復雜任務。

NVIDIA Research 開發(fā)的一款名為 Eureka 的新型 AI 智能體可以教機器人復雜的技能，它教會了機器人手快速轉(zhuǎn)筆，并且第一次轉(zhuǎn)得像人類一樣好。

上面視頻中所展示的令人驚嘆的“魔術(shù)”是機器人通過 Eureka 學會熟練完成的近 30 項任務之一，Eureka 可以自動編寫獎勵算法來訓練機器人。

Eureka 還教會了機器人完成打開抽屜和柜子、拋接球、操作剪刀等任務。

于 10 月 20 日發(fā)布的這一 Eureka 研究包含一篇論文和該項目的 AI 算法，開發(fā)者可以使用 NVIDIA Isaac Gym（一款用于強化學習研究的物理模擬參考應用）進行實驗。Isaac Gym 基于 NVIDIA Omniverse 而構(gòu)建，后者是一個用于基于 OpenUSD 框架構(gòu)建 3D 工具和應用的開發(fā)平臺。Eureka 自身是由 GPT-4 大型語言模型驅(qū)動的。

NVIDIA AI 研究高級總監(jiān)、Eureka 論文作者之一的 Anima Anandkumar 表示：“在過去十年，強化學習取得了空前成功，但依然面臨許多挑戰(zhàn)，比如獎勵設計需要不斷試錯才能完成。Eureka 是朝著開發(fā)將生成式和強化學習方法結(jié)合以解決這些艱巨的任務的新算法邁出的第一步?！?/p>

點擊視頻，觀看 Eureka 用 LLM 訓練機器人靈巧操作

AI訓練機器人

據(jù)該論文介紹，Eureka 生成的獎勵程序（可讓機器人進行試錯學習）在超過 80% 的任務上優(yōu)于人類專家編寫的程序，這使得機器人的平均性能提高了 50% 以上。

Eureka 教機械臂打開一個抽屜。

該 AI 智能體使用 GPT-4 LLM 和生成式 AI 編寫軟件代碼，為機器人進行強化學習提供獎勵。它不需要任何特定任務提示或預定義的獎勵模板，并且能夠隨時結(jié)合人類的反饋改進其獎勵，使結(jié)果更加精準地符合開發(fā)者的愿望。

利用 Isaac Gym 中的 GPU 加速模擬，Eureka 能夠快速評估大批獎勵候選者的質(zhì)量，從而提高訓練效率。

Eureka 隨后會基于訓練結(jié)果匯總關(guān)鍵統(tǒng)計數(shù)據(jù)，并指導 LLM 改進其獎勵函數(shù)的生成。通過這種方式，AI 可以自我完善。Eureka 教會了各類機器人，包括四足機器人、雙足機器人、四旋翼機器人、靈巧手、協(xié)作機器人臂等，來完成不同類型的任務。

該研究論文對 20 個 Eureka 訓練任務進行了深入評估，這些任務基于開源的靈巧性基準，要求機器人手展示一系列復雜的雙手任務。

這些來自九個 Isaac Gym 環(huán)境的測試結(jié)果通過使用 NVIDIA Omniverse 生成的可視化進行了展示。

類人型機器人通過 Eureka 學習跑步步態(tài)。

該項目的貢獻者之一、NVIDIA 高級研究科學家 Linxi “Jim” Fan 表示：“Eureka 是一個獨特的組合，將大型語言模型與 NVIDIA GPU 加速的模擬技術(shù)相結(jié)合，可以實現(xiàn)靈巧的機器人控制，并且為藝術(shù)家提供了一種制作物理逼真動畫的新方法?！?/p>

除了 NVIDIA Research 最近取得的進展（比如使用 GPT-4 構(gòu)建的能夠自主玩 《我的世界》的 AI 智能體 Voyager）之外，這項突破性的研究成果也必將讓開發(fā)者們腦洞大開。

NVIDIA Research 由全球數(shù)百名科學家和工程師組成，團隊專注于 AI、計算機圖形學、計算機視覺、自動駕駛汽車、機器人學等領(lǐng)域的研究。

了解 Eureka 與 NVIDIA Research 的更多信息，請查看：

• Eureka:

https://eureka-research.github.io/

• NVIDIA Research:

https://www.nvidia.com/en-us/research/