Utilizando LLMs para codificar nuevas tareas para los robots
Aplicando LLMs para programar nuevas funciones en los robots
![GenSim utiliza LLMs para generar grandes cantidades de tareas de robótica simuladas. Los investigadores trabajaron para generar automáticamente entornos de simulación ricos y demostraciones de expertos aprovechando la capacidad de codificación y fundamentos de modelos de lenguaje grandes. ¶ Crédito: Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT](https://ai.miximages.com/cacm.acm.org/system/assets/0004/6751/120523_MIT_Computer_Science_and_Artificial_Intelligence_Laboratory_GenSim_fixed.large.jpg?1701796514&1701796513)
Un equipo que incluía investigadores del Instituto Tecnológico de Massachusetts (MIT) desarrolló una herramienta que utiliza modelos de lenguaje grandes (LLMs) para codificar nuevas tareas para robots, las cuales luego son simuladas.
GenSim cuenta con configuraciones dirigidas por objetivos y exploratorias. En modo dirigido por objetivos, GenSim descompone cada paso necesario para completar el objetivo y formula nuevas tareas cuando está en modo exploratorio.
El proceso, independientemente del modo, requiere que un LLM produzca las descripciones de las tareas y el código necesario para la simulación, y refine el código utilizando una biblioteca de tareas.
Los investigadores determinaron que GenSim, que fue preentrenado en 10 tareas, produjo 100 nuevos comportamientos por sí mismo y fue capaz de entrenar brazos robóticos para ejecutar tareas con una tasa de éxito más alta que métodos comparables.
- Enfoque de un Arquitecto Ejecutivo de FinOps Cómo la Inteligencia Artificial y la Automatización Simplifican la Gestión de Datos
- ¿Qué están diciendo los despidos tecnológicos sobre la industria de la Inteligencia Artificial?
- Peter Wang, CEO y cofundador de Anaconda – Serie de entrevistas
Lirui Wang del MIT dijo que demostraron “que GenSim funciona tanto en simulación como en el mundo real”. Desde el Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT Ver artículo completo
Derechos de autor de los resúmenes © 2023 SmithBucklin, Washington, D.C., EE. UU.
We will continue to update Zepes; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
- Data Visuals Gone Bad Evitando los Comunes Errores de Inicio en GPT-4
- IA y el futuro del trabajo Recap
- Patrones de diseño con Python para ingenieros de aprendizaje automático Prototipo
- Stability AI presenta SDXL Turbo un modelo de generación de texto a imagen en tiempo real
- LLMs para todos Ejecutando LangChain y un modelo MistralAI 7B en Google Colab
- Revolucionando el Aprendizaje Automático Logrando el Top 4% en Kaggle con AutoGluon en solo 7 líneas de código
- 7 Razones por las que no deberías convertirte en un científico de datos