Meta AI zaprezentowała Habitat 3, nowy symulator, który rozwija badania nad agentami AI, którzy mogą współpracować i pomagać ludziom w wirtualnych środowiskach 3D. Platforma, zaprezentowana przez zespół Facebook AI Research (FAIR), pozwala na symulację ludzkich awatarów i umożliwia interakcję w czasie rzeczywistym między ludźmi a sztuczną inteligencją za pośrednictwem wirtualnego interfejsu.
Według naukowców, Habitat 3 wyróżnia się zdolnością do generowania różnorodnych i realistycznych wirtualnych ludzi, którzy mogą poruszać się w pomieszczeniach i manipulować obiektami prawie tak szybko, jak agenci niebędący ludźmi.
Nazywając go „platformą symulacyjną do badania zadań współpracy człowiek-robot w środowisku domowym”, FAIR napisał w towarzyszącym artykule badawczym, że „Habitat 3.0 oferuje wkład w trzech wymiarach”.
Ostatecznym celem jest to, co Meta nazywa „ucieleśnioną sztuczną inteligencją”, gdzie technologia odgrywa aktywną rolę w świecie fizycznym poprzez urządzenia do noszenia i roboty.
Dzięki Habitat 3.0, Meta zbudowała platformę do trenowania na dużą skalę interakcji człowiek-robot w codziennych zadaniach, takich jak sprzątanie salonu czy przygotowywanie posiłków w kuchni.
Źródło: Meta
Aby przetestować te możliwości sztucznej inteligencji w zakresie współpracy, zespół zaprojektował dwa rodzaje interaktywnych zadań: nawigację społeczną, w której robot musi zlokalizować i podążać za awatarem, oraz rearanżację społeczną, która wymaga od robota i awatara wspólnego posprzątania pokoju. W swoich eksperymentach naukowcy odkryli, że wirtualne roboty opracowały zasady i nauczyły się zachowań, aby efektywnie współpracować z awatarami, na przykład dając im przestrzeń podczas wspólnej nawigacji. Eksperymenty z rearanżacją społeczną wykazały również, że wyuczone zasady mogą poprawić wydajność pracy dla niewidocznych partnerów awatara.
„Poczyniliśmy znaczne postępy w kierunku naszej wizji inteligentnych społecznie robotów od czasu otwartego sourcingu Habitat 1.0 w 2019 roku” – zauważyła Meta w swoim ogłoszeniu. Wciąż jednak pozostaje wiele do zrobienia, a narzędzia takie jak Habitat 3 mogą zachęcić do większego zaangażowania w ten ważny kierunek badań.
W przyszłości Meta spodziewa się „skupić się na wdrażaniu modeli wyuczonych w symulacji do świata fizycznego, abyśmy mogli lepiej ocenić ich wydajność”.
Uzupełnieniem tego symulatora jest Habitat Synthetic Scenes Dataset (HSSD-200). Ten stworzony przez artystów zestaw danych 3D zawiera ponad 18 000 obiektów w 466 kategoriach semantycznych w 211 scenach. Jest to narzędzie, które można wykorzystać do szkolenia agentów nawigacyjnych z niezrównaną precyzją, oferując bardziej realistyczne środowisko treningowe dla robotów.
Źródło: Meta
Meta zaprezentowała również HomeRobot, kolejną platformę zaprojektowaną w celu wypełnienia luki między symulacją a światem rzeczywistym. HomeRobot umożliwia robotom wykonywanie zadań zarówno w symulowanym, jak i fizycznym środowisku.
Postępy te mają szersze implikacje, zwłaszcza jeśli spojrzeć na nie przez pryzmat długoterminowych celów firmy Meta. Metaverse, zbiorowa wirtualna przestrzeń wspólna, jest wyobrażana jako konwergencja wirtualnie ulepszonej rzeczywistości fizycznej i interaktywnych przestrzeni cyfrowych. Dzięki narzędziom takim jak Habitat 3.0 granica między światem cyfrowym i fizycznym zaciera się, umożliwiając bardziej wciągające i interaktywne doświadczenia.
Co więcej, zaangażowanie Meta w sztuczną inteligencję jest widoczne w ich znaczących inwestycjach w tej dziedzinie. Gigant technologiczny jest wiodącym współtwórcą platform poświęconych przetwarzaniu języka naturalnego, pokazując swoje zaangażowanie w rozwój tej dziedziny. Jego LlaMA LLM zasila wiele niestandardowych LLM typu open source, które są obecnie dostępne, i jest to korporacja z największą liczbą zobowiązań w ramach projektów AI typu open source Hugging Face, a za nią plasuje się Microsoft.
Habitat 3 obiecuje odblokować nowe badania nad wspomagającymi agentami AI, którzy mogą współpracować z ludźmi w wirtualnych światach, zgodnie z wizją Meta dotyczącą współpracy AI w rzeczywistości rozszerzonej i wirtualnej. Zdolność do szybkiej iteracji i trenowania zasad w symulacji o wysokiej wierności przed wdrożeniem w prawdziwym świecie może przyspieszyć rozwój jeszcze bardziej przydatnych możliwości sztucznej inteligencji.
