Forscher von Georgia Tech entwickelten ein schnelleres, kostengünstigeres Trainingsverfahren für humanoide Roboter. Der neue Regler lernte in Simulation und funktionierte dann auf echtem Gelände mit Sand, Rasen, Kies, Hängen und Treppen.
Foto von julien Tromeur, Unsplash
Forscher untersuchten Sprachmodelle und fanden, dass große KI‑Modelle interne Repräsentationen für alltägliche, unwahrscheinliche, unmögliche und unsinnige Ereignisse bilden. Diese internen Muster entsprechen oft menschlichen Plausibilitätsurteilen.
Forscher an der Georgia Tech entwickelten SAIL, ein System, das Roboter schneller als ihre menschlichen Demonstrationen arbeiten lässt. SAIL wurde in Simulation und auf realen Robotern getestet und erzielte meist drei- bis viermal höhere Geschwindigkeit ohne Genauigkeitsverlust.
Forscher vergleichen Standard-Fine-Tuning mit der Methode Implicit Chain of Thought (ICoT). Sie zeigen, dass ICoT Zwischenwerte speichert und so komplexe Multiplikationen korrekt löst, während Standardmodelle oft versagen.
Keine weiteren Artikel