Meta AI，一家领先的人工智能（AI）研究机构，最近发布了一种具有突破性的算法，承诺将彻底改变机器人领域。在他们的研究论文《从人类视频中获取作为机器人多功能表示的可供性》中，作者探讨了将YouTube视频应用于机器人学习和复制人类动作的强大训练工具。通过利用在线教学视频的丰富资源，这种尖端算法旨在弥合静态数据集和真实世界机器人应用之间的差距，使机器人能够以更大的多样性和适应性执行复杂任务。
这种创新方法的核心是“可供性”概念。可供性代表对象或环境提供的潜在行为或互动。通过通过分析人类视频来训练机器人理解和利用这些可供性，Meta AI的算法为机器人提供了一个多功能表示，用于执行各种复杂任务。这一突破提高了机器人模仿人类动作的能力，并赋予它们在新的和不熟悉的环境中应用所获得的知识的能力。
为了确保将这种基于可供性的模型无缝集成到机器人的学习过程中，Meta AI的研究人员将其纳入了四种不同的机器人学习范式中。这些范式包括离线模仿学习，探索，目标条件学习和强化学习的动作参数化。通过将可供性识别的能力与这些学习方法相结合，机器人可以获得新的技能，并以更高的精度和效率执行任务。
为了有效地训练可供性模型，Meta AI利用大规模的人类视频数据集，如Ego4D和Epic Kitchens。通过分析这些视频，研究人员使用现成的手-物体交互检测器来识别接触区域并跟踪接触后手腕的轨迹。然而，当场景中的人物存在时，会出现一个重要挑战，即分布转移。为了克服这个障碍，研究人员利用可用的相机信息将接触点和接触后轨迹投影到一个与人无关的框架中，然后将其作为输入提供给他们的模型。
在这一突破之前，机器人在模仿动作方面的能力有限，主要局限于复制特定环境。然而，通过Meta AI的最新算法，在泛化机器人动作方面取得了重大进展。这意味着机器人现在可以在新的和不熟悉的环境中应用所获得的知识，展示出更高的适应性。
Meta AI致力于推进计算机视觉领域的发展，并促进研究人员和开发人员之间的合作。根据这一承诺，该组织计划共享其项目的代码和数据集。通过使这些资源对其他人可访问，Meta AI旨在鼓励对这项技术进行进一步的探索和开发。这种开放的方法将促进自学习机器人的发展，它们可以从YouTube视频中获得新的技能和知识，推动机器人领域进入新的创新领域。