新知特寫

首頁> 新知特寫> 利用生成式AI建立多樣化的機器人虛擬訓練環境
利用生成式AI建立多樣化的機器人虛擬訓練環境 Using Generative AI to Diversify Virtual Training Grounds for Robots
要讓機器人具備於家庭或工業場域中處理整理與搬運等複雜任務的能力,必須先透過多樣化的環境進行訓練。然而,實地操作的訓練資料蒐集困難,傳統模擬方式也常無法精確呈現真實世界的物理定律。針對這一挑戰,麻省理工學院電腦科學與人工智慧實驗室(Computer Science and Artificial Intelligence Laboratory, CSAIL)與豐田研究院(Toyota Research Institute)研究團隊提出 Steerable Scene Generation,可建立大規模且多樣的三維訓練場景,協助機器人學習操作物件。此方法首先利用擴散模型(diffusion model)生成基礎場景。其次,透過蒙地卡羅樹搜尋(Monte Carlo Tree Search, MCTS),讓系統在既有場景上嘗試不同的物件配置,並依據任務目標(如更符合物理定律,或包含更多特定物品)逐步優化場景,使結果比基礎場景更完整、更具多樣性。最後,藉由強化學習(reinforcement learning)技術,引導系統持續改進,提升訓練場景的精確度與多樣性。實驗顯示,此新方法在遵循使用者指令的準確度上優於既有方法,並能讓機器人在虛擬場景中執行如餐具分類或食物擺放等操作時,動作表現自然且符合物理定律。研究團隊未來計畫擴充至可動物件(如櫥櫃或容器),並結合真實環境轉換模擬技術(Scalable Real2Sim)與網路影像資料庫,以建構更廣泛的場景資源。此進展將有助於推動機器人訓練資源的規模化,並加速其在現實應用落地。
2025/09/29
https://techxplore.com/news/2025-09-generative-ai-diversify-virtual-grounds.html
TechXplore
薛孝亭