Önfejlesztő robotokat indított az NVIDIA – zárt ciklusú tanulással javítanak a feladatokon

Az NVIDIA kutatói kifejlesztették az ENPIRE nevű szoftvert, amely lehetővé teszi a fizikai robotok számára, hogy az AI-ügynökökhöz hasonló autonóm kísérletezési és végrehajtási ciklusokon menjenek keresztül. A rendszer betekintést nyújt abba, hogyan próbálhat meg egy szuperintelligencia robotok segítségével megjelenni a fizikai világban, bár a jelenlegi példák még csak ígéretesek.

Az ENPIRE négy fő modulból áll: egy Környezeti modul (EN) az automatikus visszaállításhoz és ellenőrzéshez, egy Politikafejlesztő modul (PI) a finomhangolás elindításához, egy Kiterjesztési modul (R) az egy vagy több párhuzamosan működő robot politikájának értékeléséhez, valamint egy Fejlődési modul (E), ahol kódolóügynökök elemzik a naplókat, konzultálnak szakirodalommal, és javítják a képzési infrastruktúrát, hogy orvosolják a hibákat. A rendszer emberi ítélet nélkül értékeli a próbák kimenetelét, és automatikusan visszaállítja a helyszínt a következő próbához, minimalizálva az emberi erőfeszítést.

Kapcsolódó: Japán robotpiacon

Az ENPIRE-t két YAM (Yet Another Manipulator) karral, kamerákkal és egy NVIDIA RTX 5090 GPU-val felszerelt munkaállomással tesztelték. A rendszer képes volt 99%-os sikerességi arányt elérni olyan komplex manipulációs feladatokban, mint a PushT, a tűk dobozba rendezése vagy egy zip-tie elvágása. A többügynökös (például 8 ügynökös) beállítások gyorsabban értek el magasabb pontszámokat, mint az együgynökös futtatások, ami valószínűleg a nagyobb megoldásterület feltárásának köszönhető.

Kapcsolódó: AI reward hacking

A kutatók ugyanakkor kihívásokra is felhívják a figyelmet: a kódolóügynökök nem használják ki teljes mértékben a robot erőforrásait, amikor naplókat olvasnak, kódot írnak, hibakeresnek vagy a nyelvi modellre várnak. Az infrastruktúra terén is vannak kihívások a több robotból álló rendszerek skálázásakor.

Kapcsolódó: LLM nukleáris gyakoriság

A technológia jövőbeli hatásait illetően Matthew Tokson, az Utah Egyetem kutatója szerint az AI jövőbeli hatásairól alkotott optimista vagy pesszimista jóslatok történelmileg gyakran tévesnek bizonyultak. Az ENPIRE rendszere, bár jelenleg csak egyszerűbb feladatokon működik jól, potenciálisan megmutatja, hogyan tudna egy szuperintelligencia robotok segítségével megjelenni a fizikai világban.

Kapcsolódó: LLM személyiség-szimuláció

A Tencent eközben részleteket közölt az ARGUS nevű szoftveréről, amelyet több mint 10 000 GPU-s fürtön használnak a nagy léptékű képzési munkaterhelések nyomon követésére és hibaelhárítására. A rendszer három szoftverrétegből áll: Python, keretrendszer és GPU futtatókörnyezet. Az ARGUS segítségével a Tencent öt valós esettanulmányban diagnosztizált problémákat, beleértve a számítási lemaradásokat és a kommunikációs hibákat.

Kapcsolódó: AI jog és radikális opcionalitás