Core Concepts
Real-world humanoid control wird als nächstes Token-Vorhersageproblem dargestellt, um herausfordernde reale Kontrollaufgaben durch generatives Modellieren von sensorimotorischen Trajektorien zu erlernen.
Abstract
Inhaltsverzeichnis:
Einführung
Generative Modellierung in der KI
Humanoiden-Lokomotion als Token-Vorhersage
Datensatz und Experimente
Vergleich mit dem Stand der Technik
Diskussion und Ablationsstudien
Highlights:
Verwendung von Transformer-Modellen für sensorimotorische Trajektorien
Training auf diversen Datensätzen aus Simulationen, Motion Capture und YouTube-Videos
Erfolgreiche Übertragung auf reale Welt, einschließlich Rückwärtsgehen
Skalierbarkeit mit zunehmender Datengröße und Modellkomplexität
Stats
Unser Modell ermöglicht einem humanoiden Roboter, in der realen Welt zu gehen, auch wenn er nur auf 27 Stunden Gehdaten trainiert ist.
Quotes
"Unsere Ergebnisse deuten auf einen vielversprechenden Weg hin, herausfordernde reale Robotersteuerungsaufgaben durch generatives Modellieren von sensorimotorischen Trajektorien zu erlernen."