Meta Platforms公司人工智能部門日前表示，他們正在教AI模型如何在少量訓(xùn)練數(shù)據(jù)支持下學(xué)會(huì)在物理世界中行走，目前已經(jīng)取得了快速進(jìn)展。

這項(xiàng)研究能夠顯著縮短AI模型獲得視覺(jué)導(dǎo)航能力的時(shí)間。以前，實(shí)現(xiàn)這類目標(biāo)要需要利用大量數(shù)據(jù)集配合重復(fù)“強(qiáng)化學(xué)習(xí)”才能實(shí)現(xiàn)。

Meta AI研究人員表示，這項(xiàng)關(guān)于AI視覺(jué)導(dǎo)航的探索將給虛擬世界帶來(lái)重大影響。而項(xiàng)目的基本思路并不復(fù)雜：幫助AI像人類那樣，單純通過(guò)觀察和探索實(shí)現(xiàn)在物理空間導(dǎo)航。

Meta AI部門解釋道，“比如，如果要讓AR眼鏡指引我們找到鑰匙，就必須想辦法幫助AI理解陌生的、不斷變化的環(huán)境布局。畢竟這是非常細(xì)化的小需求，不可能永遠(yuǎn)依賴于極占算力資源的高精度預(yù)置地圖。人類不需要了解咖啡桌的確切位置或長(zhǎng)度就能不產(chǎn)生任何碰撞、輕松繞著桌角走動(dòng)?！?/p>

為此，Meta決定將精力集中在“具身AI”身上，即通過(guò)3D模擬中的交互機(jī)制訓(xùn)練AI系統(tǒng)。在這一領(lǐng)域，Meta表示已經(jīng)建立起一套值得期待的“點(diǎn)目標(biāo)導(dǎo)航模型”，無(wú)需任何地圖或GPS傳感器即可在新環(huán)境中導(dǎo)航。

該模型使用一種名為視覺(jué)測(cè)量的技術(shù)，允許AI根據(jù)視覺(jué)輸入跟蹤自身當(dāng)前位置。Meta表示，這項(xiàng)數(shù)據(jù)增強(qiáng)技術(shù)能夠快速訓(xùn)練出有效的神經(jīng)模型，且無(wú)需人工數(shù)據(jù)注釋。Meta還提到，他們已經(jīng)在自家Habitat 2.0具身AI訓(xùn)練平臺(tái)（利用Realistic PointNav基準(zhǔn)任務(wù)運(yùn)行虛擬空間模擬）上完成了測(cè)試，成功率達(dá)到94%。

Meta方面解釋道，“雖然我們的方法還沒(méi)有完全解決數(shù)據(jù)集中的所有場(chǎng)景，但這項(xiàng)研究已經(jīng)初步證明，現(xiàn)實(shí)環(huán)境的導(dǎo)航能力不一定需要顯式映射來(lái)實(shí)現(xiàn)。”

為了在不依賴地圖的情況下進(jìn)一步完善AI導(dǎo)航訓(xùn)練，Meta建立了一套名為Habitat-Web的訓(xùn)練數(shù)據(jù)集，其中包含10萬(wàn)多種由人類演示的不同對(duì)象-目標(biāo)導(dǎo)航方法。通過(guò)運(yùn)行在網(wǎng)絡(luò)瀏覽器上的Habitat模擬器就能順利接入Amazon.com的Mechanical Turk服務(wù)，用戶能夠以遠(yuǎn)程方式安全操作虛擬機(jī)器人。Meta表示，由此產(chǎn)生的數(shù)據(jù)將作為訓(xùn)練素材，幫助AI代理獲得“最先進(jìn)的結(jié)果”。掃視房間了解整體空間特點(diǎn)、檢查角落是否有障礙物等，都是值得AI向人類學(xué)習(xí)的高效對(duì)象搜索行為。

此外，Meta AI團(tuán)隊(duì)還開(kāi)發(fā)出所謂“即插即用”模塊化方法，可以通過(guò)一套獨(dú)特的“零樣本體驗(yàn)學(xué)習(xí)框架”幫助機(jī)器人在多種語(yǔ)義導(dǎo)航任務(wù)和目標(biāo)模式中實(shí)現(xiàn)泛化。通過(guò)這種方式，AI代理在缺少資源密集型地圖和訓(xùn)練的前提下仍可獲得基本導(dǎo)航技能，無(wú)需額外調(diào)整即可在3D環(huán)境中執(zhí)行不同任務(wù)。

Meta公司解釋道，這些代理在訓(xùn)練中會(huì)不斷搜索圖像目標(biāo)。它們會(huì)收到一張?jiān)诃h(huán)境中隨機(jī)位置拍攝的照片，然后通過(guò)自主導(dǎo)航嘗試找到拍攝點(diǎn)位。Meta研究人員們表示，“我們的方法將訓(xùn)練數(shù)據(jù)削減至1/12.5，成功率則比最新的遷移學(xué)習(xí)技術(shù)還高出14%?！?/p>

Constellation Research公司分析師Holger Mueller在采訪中表示，Meta的這項(xiàng)最新進(jìn)展有望在其元宇宙發(fā)展計(jì)劃中發(fā)揮關(guān)鍵作用。他認(rèn)為，如果未來(lái)虛擬世界能夠成為常態(tài)，那AI必須有能力理解這個(gè)新空間，而且理解的成本還不能太高。

Mueller補(bǔ)充道，“AI理解物理世界的能力需要由基于軟件的方法獲得擴(kuò)展。Meta目前走的就是這條路，而且在具身AI方面取得了進(jìn)步，開(kāi)發(fā)出無(wú)需訓(xùn)練即可自主理解周邊環(huán)境的軟件。我很期待看到這方面成果在實(shí)踐層面的早期應(yīng)用?！?/p>

這些現(xiàn)實(shí)用例可能已經(jīng)離我們不遠(yuǎn)了。Meta公司表示，下一步計(jì)劃就是把這些成果從導(dǎo)航推進(jìn)到移動(dòng)操作，開(kāi)發(fā)出能夠執(zhí)行特定任務(wù)的AI代理（比如識(shí)別出錢包并將其交還給主人）。