Искусственный интеллект научили ориентироваться в пространстве без карт и GPS

В своем исследовании компания сосредоточилась на "точечно-целевой навигационной модели" – системе, которая может перемещаться по новым средам без какой-либо карты или GPS-датчика. Эта технология применяет алгоритмы, имитирующие мыслительные процессы человека в упрощенном формате.

Не упустите Сотрудника Google отстранили от работы он заявил, что искусственный интеллект получил сознание

В масштабе пары физических объектов разница между таким алгоритмом и использующим GPS несущественна. Однако если речь идет об оцифровке зданий или даже городов, новый алгоритм Meta сможет легко обойти конкурентов благодаря меньшему объему обрабатываемых данных.

AR-очки, которые показывают нам, где мы оставили свои ключи, например, требуют фундаментально новых технологий, которые помогают ИИ понимать расположение и размеры незнакомой, постоянно меняющейся среды без ресурсоемких вычислений и предварительно загруженных карт. Как людям, нам не нужно знать точное расположение или длину нашего журнального столика, чтобы иметь возможность ходить вокруг него, не натыкаясь на его углы.– объяснили инженеры.

Этот же принцип используется и в новой модели. Эта система использует технику, известную как визуальная адометрия. Она позволяет ИИ определять свое местоположение на основе визуальных данных – например, если робот с поддержкой этой системы подойдет к стене, а затем развернется на 90 градусов, то он запомнит, что двигаться назад больше не имеет смысла и учитывать это, прокладывая новый маршрут. В компании утверждают, что эта методика может использоваться для создания эффективных нейронов без аннотаций от человека.

Чтобы еще больше повысить эффективность ИИ, Meta создала коллекцию обучающих данных Habitat-Web. В этой библиотеке представлено более 100 тысяч разных методов объектно-целевой навигации. Технология связывает симулятор Habitat, работающий через обычный веб-браузер с сервисом Mechanical Turk и позволяет дистанционно управлять виртуальными работами в любом масштабе.

По заявлениям разработчика, агенты ИИ, обученные на этих данных, могут достигать самых "современных результатов" - например, они учатся искать объекты, заглядывая в комнаты и проверяют скрытые углы.

Читайте на сайте Эксперты не поверили в зарождение сознания в искусственном интеллекте Google

Новый модульный подход

Вдобавок команда Meta создала модульный подход "подключи и работай". Это решение помогает работам обобщать разнообразные наборы семантических навигационных задач посредством системы обучения с нулевым опытом. Идея состоит в том, чтобы помочь агентам ИИ адаптироваться на лету без ресурсоемких карт и обучения. Модель один раз "захватывает" основные данные визуальной навигации, а затем применяет их к разным задачам в трехмерной среде без повторного обучения.

В результатах исследования инженеры рассказали, что новые модели требуют в 12,5 раза меньше учебных данных и показывают успешные результаты на 14% чаще конкурентов. В перспективе разработчики хотят внедрить такие модели в метавселенную компании, а также в будущие AR/VR-гарнитуры.