В рамках проекта «Среда обитания 3.0» Метрополитен создал платформу для обучения крупномасштабному взаимодействию человека и робота в повседневных задачах, таких как уборка гостиной или приготовление еды на кухне.
Источник: Meta
Дополнением к этому симулятору является набор данных Habitat Synthetic Scene Dataset (HSSD-200). Этот трехмерный набор данных, созданный художниками, содержит более 18 000 объектов в 466 семантических категориях в 211 сценах. С его помощью можно с непревзойденной точностью обучать агентов навигации, создавая для роботов более реалистичную среду обучения.
Источник: Meta
Мета также представила HomeRobot — еще одну платформу, призванную преодолеть разрыв между симуляцией и реальным миром. HomeRobot позволяет роботам выполнять задачи в моделируемой и физической среде.
Эти достижения имеют более широкое значение, особенно если рассматривать их через призму долгосрочных целей Meta. Метавселенная — общее виртуальное коллективное пространство — задумана как слияние виртуально улучшенной физической реальности и интерактивных цифровых пространств. С помощью таких инструментов, как Habitat 3.0, стирается граница между цифровым и физическим миром, что позволяет получить более глубокое погружение и интерактивный опыт.
Кроме того, о приверженности Met искусственному интеллекту свидетельствуют ее значительные инвестиции в эту область. Технологический гигант является одним из основных спонсоров платформ, предназначенных для обработки естественного языка, что свидетельствует о его стремлении к развитию этой области. На базе его LLM LlaMA работают многие из доступных в настоящее время специализированных LLM с открытым исходным кодом, а среди компаний, участвующих в проектах ИИ с открытым исходным кодом Hugging Face, он занимает второе место после Microsoft.
Habitat 3 обещает открыть новые исследования в области вспомогательных ИИ-агентов, способных сотрудничать с людьми в виртуальных мирах, что соответствует концепции Met о сотрудничестве ИИ в дополненной и виртуальной реальности. Возможность быстрой итерации и обучения правил в высокоточном симуляторе перед их применением в реальном мире может ускорить разработку еще более полезных возможностей ИИ.
