回斯坦福之后研究成果曝光,李飞飞团队用机器学习教机械臂做动作

简介: 此次李飞飞团队结合了AI及深度学习等相关技术,让机械臂拥有模仿和学习的功能,是一次技术进步。

此次李飞飞团队结合了AI及深度学习等相关技术,让机械臂拥有模仿和学习的功能,是一次技术进步。

自从李飞飞离开谷歌回到斯坦福之后,她的研究方向及成果就备受业界关注。近日,其领导的团队在瑞士苏黎世召开的机器人学习大会上展示了他们的最新成果——机械臂。

TB1ytw9lNnaK1RjSZFBXXcW7VXa.jpg

和通常所见的机械臂只能按照既定程序运行不同,李飞飞团队研发的机械臂拥有机器学习功能,可以学习人类向其展示的各种动作,如拾取物体等。除此之外,机器人还可以同时学习多种动作。

该团队成员介绍称,基于RoboTurk和SURREAL两个框架,他们让机械臂拥有了快速学习基础技能的能力。其中,RoboTurk用于引导机械臂完成动作,可通过智能手机或浏览器实现,如挥动手机指导机械臂于周围环境进行交互等;SURREAL则可以在同时运行多种动作时加速机械臂的学习进程,让其能够“一心多用”,如像父母教孩子刷牙那样的特定动作。

团队成员之一的Mandlekar表示,在将RoboTurk和SURREAL两者结合后,我们所收集的全球范围内的大量数据就可以与强化机器学习相结合,通过数以千计的模型训练让机器人做更多的事情。这种AI辅助任务机制,可以让机器人感知周围的环境,有“意识”的远离危险并同时保持高效的任务执行水平。

在在李飞飞团队的畅想中,未来该机械臂还应具备帮人们做家务、胜任制造行业中的重复组装等工作,甚至还能替代人类完成一些危险任务。

TB1R4QMlFzqK1RjSZFCXXbbxVXa.jpg

“到那时,你不需要告诉机器人旋转20度并向前10分米,”一名团队成员说,“而只需要告诉机器人,‘拿一个放在厨房的苹果’就可以了。”

当前,在人工智能行业,很多人不愿意承认机械臂隶属于机器人产业下,而认为其是互联网工业的一种。此次李飞飞团队结合了AI及深度学习等相关技术,让机械臂拥有模仿和学习的功能,是一次技术进步。

相关文章
|
7月前
|
机器学习/深度学习 算法 数据可视化
可解释性机器学习:基于随机森林和Ceteris-paribus的乳腺癌早期诊断研究
可解释性机器学习:基于随机森林和Ceteris-paribus的乳腺癌早期诊断研究
318 1
|
16天前
|
机器学习/深度学习 人工智能 自然语言处理
【NeurIPS'24】阿里云 PAI 团队论文被收录为 Spotlight,并完成主题演讲分享
12月10日,NeurIPS 2024在温哥华开幕,阿里云PAI团队论文《PertEval: Unveiling Real Knowledge Capacity of LLMs with Knowledge-Invariant Perturbations》入选Spotlight,PAI团队还进行了“可信AI的技术解读与最佳实践”主题演讲,展示AI工程化平台产品能力。
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
【MM2024】阿里云 PAI 团队图像编辑算法论文入选 MM2024
阿里云人工智能平台 PAI 团队发表的图像编辑算法论文在 MM2024 上正式亮相发表。ACM MM(ACM国际多媒体会议)是国际多媒体领域的顶级会议,旨在为研究人员、工程师和行业专家提供一个交流平台,以展示在多媒体领域的最新研究成果、技术进展和应用案例。其主题涵盖了图像处理、视频分析、音频处理、社交媒体和多媒体系统等广泛领域。此次入选标志着阿里云人工智能平台 PAI 在图像编辑算法方面的研究获得了学术界的充分认可。
【MM2024】阿里云 PAI 团队图像编辑算法论文入选 MM2024
|
6月前
|
机器学习/深度学习 数据采集 搜索推荐
机器学习在智能推荐系统中的个性化算法研究
机器学习在智能推荐系统中的个性化算法研究
|
1月前
|
机器学习/深度学习
自动化机器学习研究MLR-Copilot:利用大型语言模型进行研究加速
【10月更文挑战第21天】在科技快速发展的背景下,机器学习研究面临诸多挑战。为提高研究效率,研究人员提出了MLR-Copilot系统框架,利用大型语言模型(LLM)自动生成和实施研究想法。该框架分为研究想法生成、实验实施和实施执行三个阶段,通过自动化流程显著提升研究生产力。实验结果显示,MLR-Copilot能够生成高质量的假设和实验计划,并显著提高任务性能。然而,该系统仍需大量计算资源和人类监督。
40 4
|
4月前
|
机器学习/深度学习 存储 分布式计算
Hadoop与机器学习的融合:案例研究
【8月更文第28天】随着大数据技术的发展,Hadoop已经成为处理大规模数据集的重要工具。同时,机器学习作为一种数据分析方法,在各个领域都有着广泛的应用。本文将介绍如何利用Hadoop处理大规模数据集,并结合机器学习算法来挖掘有价值的信息。我们将通过一个具体的案例研究——基于用户行为数据预测用户留存率——来展开讨论。
339 0
|
4月前
|
机器学习/深度学习 存储 缓存
Java本地高性能缓存实践问题之阿里云机器学习团队开源社区的问题如何解决
Java本地高性能缓存实践问题之阿里云机器学习团队开源社区的问题如何解决
|
4月前
|
机器学习/深度学习 存储 缓存
模型遇见知识图谱问题之参与阿里云机器学习团队的开源社区的问题如何解决
模型遇见知识图谱问题之参与阿里云机器学习团队的开源社区的问题如何解决
|
5月前
|
机器学习/深度学习 人工智能 API
在人工智能和机器学习的领域中,语音识别(Speech Recognition,SR)是一个重要的研究方向。它旨在将人类的语音转换为计算机可读的文本。
在人工智能和机器学习的领域中,语音识别(Speech Recognition,SR)是一个重要的研究方向。它旨在将人类的语音转换为计算机可读的文本。
|
7月前
|
机器学习/深度学习 边缘计算 人工智能
利用机器学习优化数据中心能效的研究
【5月更文挑战第21天】 在数据中心运营的成本结构中,能源消耗占据了显著的比例。随着计算需求的不断增长,如何在保持高性能的同时降低能耗成为一大挑战。本文通过探索机器学习技术在数据中心能源管理中的应用,提出了一种新的能效优化框架。该框架采用预测算法动态调整资源分配,并通过仿真实验证明其在降低能耗和提高资源利用率方面的有效性。研究结果不仅对理解数据中心能源消耗模式具有理论意义,也为实际操作提供了可行的节能策略。