Het team van Nvidia Research heeft een AI-systeem ontwikkeld waarmee robots complexere taken kunnen worden aangeleerd. De onderzoekers doopten hun nieuwe model Eureka.
Onderzoekers van Nvidia Research ontwikkelden een AI-systeem dat robots via LLM’s complexe taken leert uitvoeren. Het project heet Eureka en schrijft zelf beloningsalgoritmes waarmee de robots worden getraind. Inmiddels leerde Eureka verschillende robots bijna dertig meer complexe taken te vervullen. Het is weer positief nieuws voor de chipbakker, na het bericht over een EU-onderzoek rond anti-competitieve praktijken.
Handige handen
Sommige taken die Nvidia Research aanhaalt lijken voor mensen niet zo ingewikkeld:
- lades en kasten openen
- een bal gooien en vangen
- een schaar hanteren.
Voor een robot is dit echter momenteel nog niet zo eenvoudig.
Iets waar het team duidelijk trots op is, is dan weer een robothand die werd aangeleerd om trucjes te doen met een pen. Nvidia claimt dat het robotsysteem dit even snel kan als een echte mens.
Fitness voor AI
De publicaties van Nvidia Research bevatten onder andere de algoritmes waarmee ontwikkelaars aan de slag kunnen. Die kunnen hiervoor gebruikmaken van Isaac Gym, een simulatieomgeving die Nvidia creëerde op basis van zijn Omniverse-platform. Hiermee worden 3D-tools en -applicaties gebouwd.
Eureka zelf wordt aangestuurd door GPT-4 van OpenAI. Volgens Anima Anandkumar van Nvidia Research is het project een eerste stap richting nieuwe algoritmes die nieuwe leermethodes integreren om complexere taken op te lossen.
lees ook
Nvidia DGX cloud-supercomputer verschijnt op Oracle Cloud
Machine learning
Algoritmes die Eureka schreef presteerden 80 procent beter dan degenen die door mensen waren opgesteld, volgens Nvidia Research. Dit zou leiden tot de helft betere prestaties van de robots.
Via generatieve AI en LLM’s heeft Eureka geen nood aan specifieke prompts of templates om zijn softwarecode te schrijven. Menselijke feedback is ook direct geïntegreerd.
Dankzij de GPU-versnelde simulatie in Isaac Gym kan Eureka snel evalueren voor efficiëntere trainingen. Vervolgens vat het systeem statistieken samen om het LLM de beloningsfuncties te laten verbeteren. Zo verbetert de AI zichzelf. Wat GPU’s betreft stelde Nvidia eerder deze maand ook al Blackwell voor, de opvolger voor Hopper.
Dit had Archimedes ongetwijfeld nooit kunnen voorspellen toen hij vanuit een badkuip zijn iconische uitroep op de wereld losliet.