[ad_1]
演示文稿解释说,机器人“思考”和执行诸如拾取、移动和操纵物体等有用任务的能力在技术上与自动驾驶测试版的进步重叠。 其他演示部分涵盖了训练神经网络、标记和理解事件的速度更快、数量更大的进步。
波士顿动力公司的机器人在身体上更加优雅,并且执行了更高级的动作,但他们必须被告知如何执行动作并且无法想到新动作。 它们具有一些适应性,例如计算如何在不同且不平坦的表面上行走。 但例如,当 Adam Savage 将人力车连接到 Spot 机器人并让它拉动时,Spot 并没有改变它的步态来进行调整。 更好的人工智能会根据负载如何改变 Spot 的动量和运动来调整步态。
随着特斯拉机器人 AI 的进步,一个突破将等同于 Dall-e 和 Stable Diffusion,但应用于运动。 在数百万或数十亿人类移动、跳舞、执行动作的示例上训练神经网络,计算机不仅会学习如何模仿,还会在全新的场景中执行混合和组合。 机器人还需要人工智能在解决问题方面的进步,演示文稿也显示了这一点。 当一个机器人被告知从一个奇怪的角度从高架子上拿一个物体时,因为洗衣干衣机在路上,它需要解决问题并得到一个梯子,抓住洗衣干衣机的顶部保持重心稳定,抓住并放下物体,不要将其撞到洗衣干衣机上。
[ad_2]
Source link