Chính sách phổ biến để điều khiển robot
Chính sách khuếch tán áp dụng ý tưởng khử nhiễu tương tự đằng sau các trình tạo hình ảnh như Khuếch tán ổn định để điều khiển robot: thay vì dự đoán một hành động tiếp theo, nó tạo ra một chuỗi hành động ngắn trong tương lai bằng cách tinh chỉnh nhiễu lặp đi lặp lại.
Tổng quan
Nó quan trọng vì nó xử lý tốt hơn nhiều so với các phương pháp cũ.
Lặn sâu
Được giới thiệu vào năm 2023 bởi các nhà nghiên cứu tại Columbia, MIT và Viện nghiên cứu Toyota, Chính sách khuếch tán định hình lại việc học vận động thị giác như cách khử nhiễu có điều kiện. Với các hình ảnh camera và trạng thái robot gần đây, nó bắt đầu từ tiếng ồn ngẫu nhiên và chạy một số bước khử nhiễu để tạo ra một 'đoạn hành động' - chẳng hạn như 8 đến 16 bước thời gian tiếp theo của các tư thế tác động cuối. Phần thắng lớn nằm ở tính đa phương thức: khi một nhiệm vụ có một số giải pháp hợp lệ (bạn có thể lấy cốc từ bên trái hoặc bên phải), hồi quy truyền thống sẽ tính trung bình chúng thành một hành động tồi ở giữa, trong khi mô hình khuếch tán có thể hoàn toàn chuyển sang một chế độ. Nó cũng học hỏi ổn định từ các cuộc trình diễn của con người (nhân bản hành vi) và đối phó tốt với không gian hành động nhiều chiều, khiến nó trở thành lựa chọn mặc định trong nhiều hệ thống thao tác hiện đại.
Hiểu biết kỹ thuật
Quá trình đào tạo bổ sung nhiễu Gaussian vào các chuỗi hành động được trình diễn và dạy một mạng (thường là U-Net hoặc máy biến áp) dự đoán nhiễu đó, dựa trên các quan sát trực quan và cảm giác bản thể. Trong thời gian chạy, nó khử nhiễu từ các mẫu ngẫu nhiên qua một số bước (DDPM/DDIM) để tạo ra quỹ đạo hành động. Việc dự đoán các khối cộng với việc lập kế hoạch lại theo 'đường chân trời rút dần' mang lại sự nhất quán về thời gian trong khi vẫn phản ứng kịp thời với các quan sát mới.
Tác động chiến lược
Tốc độ và tỷ lệ
Visual AI có thể tự động hóa các nhiệm vụ kiểm tra, phát hiện và gắn thẻ trên quy mô lớn.
Xây dựng lựa chọn
Các nhóm sáng tạo có thể tạo nguyên mẫu nhanh hơn với ít sửa đổi thủ công hơn.
Nhóm và quy trình làm việc
Các hoạt động có thể sử dụng tín hiệu hình ảnh và video mà trước đây khó xử lý.
Tương lai của chính sách phổ biến để điều khiển robot
Công việc đang cắt giảm số bước khử nhiễu (thông qua mô hình nhất quán và khớp luồng) để các chính sách chạy ở tốc độ kiểm soát cao trên phần cứng thực. Các đầu hành động khuếch tán đang được gắn vào các xương sống ngôn ngữ thị giác lớn để tạo thành VLA, đồng thời các biến thể tương đương và nhận biết 3D sẽ cải thiện hiệu quả mẫu. Mong đợi khả năng điều khiển dựa trên sự khuếch tán sẽ vẫn là thành phần cốt lõi trong 'bộ não' robot tổng quát cung cấp năng lượng cho các nhiệm vụ thủ công và khéo léo.
Triển khai trong thế giới thực
Một cánh tay robot đẩy khối hình chữ T vào tư thế mục tiêu, một điểm chuẩn trong đó Chính sách khuếch tán vượt trội hơn đáng kể so với các phương pháp nhân bản hành vi trước đó
Robot hai tay học các công việc nhà bếp phức tạp như lật thức ăn hoặc lắp ráp các bộ phận từ các bản trình diễn hoạt động từ xa của con người
Chọn thùng lộn xộn trong đó tồn tại nhiều thông tin nắm bắt hợp lệ và chính sách cam kết với một thay vì lấy trung bình
Mô-đun đầu hành động bên trong hệ thống hành động-ngôn ngữ-hình ảnh tạo ra chuyển động tần số cao mượt mà cho những bàn tay khéo léo
Rủi ro & lan can
Quyền và sự đồng ý về hình ảnh có thể trở thành rủi ro pháp lý nếu nguồn gốc xuất xứ không rõ ràng.
Hiệu suất của mô hình có thể khác nhau tùy theo ánh sáng, nhân khẩu học và môi trường.
Kết quả dương tính giả có thể không được chú ý trừ khi ngưỡng tin cậy được theo dõi.
Lộ trình thực hiện
Xác định tiêu chí chấp nhận về độ chính xác, thu hồi và chi phí lỗi.
Kiểm tra với dữ liệu phù hợp với điều kiện sản xuất thực tế.
Thêm đánh giá của con người đối với những dự đoán có độ tin cậy thấp hoặc tác động cao.
Theo dõi sự trôi dạt của mô hình và xác nhận lại sau khi thay đổi máy ảnh hoặc tập dữ liệu.
Tiếp tục khám phá
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Diffusion Policy for Robot Control quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Hướng dẫn tiếp theo
Stable Diffusion
Câu hỏi thường gặp
Chính sách khuếch tán cho điều khiển robot là gì?
Chính sách khuếch tán áp dụng ý tưởng khử nhiễu tương tự đằng sau các trình tạo hình ảnh như Khuếch tán ổn định để điều khiển robot: thay vì dự đoán một hành động tiếp theo, nó tạo ra một chuỗi hành động ngắn trong tương lai bằng cách tinh chỉnh nhiễu lặp đi lặp lại. Nó quan trọng vì nó xử lý tính chất lộn xộn, đa phương thức của thao tác thực tế tốt hơn nhiều so với các phương pháp cũ.
Chính sách phổ biến tạo ra điều gì ở mỗi thời điểm quyết định?
Chính sách khuếch tán tạo ra một đoạn hành động — một số dấu thời gian của hành động trong tương lai — bằng cách khử nhiễu, thay vì một lệnh riêng biệt.
Chính sách khuếch tán mượn kỹ thuật tạo hình nào từ AI hình ảnh?
Giống như các mô hình khuếch tán hình ảnh, nó bắt đầu từ nhiễu và khử nhiễu lặp đi lặp lại, nhưng ở đây đầu ra là một quỹ đạo hành động dựa trên các quan sát.
Chính sách khuếch tán giải quyết vấn đề nào của các nhiệm vụ đa phương thức tốt hơn hồi quy đơn giản?
Khi một số hành động hợp lệ (ví dụ: nắm sang trái hoặc phải), hồi quy sẽ tính trung bình chúng thành một tùy chọn ở giữa kém; khuếch tán có thể chuyển sang một chế độ duy nhất.
Trong quá trình đào tạo, mạng trong Chính sách phổ biến được dạy để dự đoán là gì?
Nhiễu Gaussian được thêm vào các hành động được chứng minh và mạng học cách dự đoán nhiễu đó (dựa trên các quan sát), mục tiêu khử nhiễu tiêu chuẩn.
Việc quy hoạch lại 'chân trời rút lui' trong Chính sách lan tỏa là gì?
Chính sách dự đoán một loạt hành động nhưng định kỳ lập lại kế hoạch bằng cách sử dụng các quan sát mới, cân bằng tính nhất quán về thời gian với khả năng phản ứng.