科技日报北京6月23日电（张梦然）据美国麻省理工学院官网近日宣布，该机构研究职员为了演习更前辈的多用场机器人，开拓出一种技能：利用一种称为扩散模型的天生式人工智能（AI），可将不同领域、不同形式的多个数据源整合起来，用于多种任务。

假设你想演习一个机器人，让它理解如何利用工具，然后快速学会用锤子、扳手和螺丝刀来维修你的屋子。
为此，你须要大量数据来演示工具的利用。

现有的机器人数据集在形式上差异很大。
例如，有些包括彩色图像，而另一些则由触觉印记组成。
数据也可在不同的领域网络，如仿照或人工演示。
每个数据集都可能包含一个独特的任务和环境。

在一个机器学习模型中，很难有效地将浩瀚来源的数据整合在一起，因此许多模型仅利用一种类型的数据来演习机器人。
但是，以这种办法演习的机器人，在某些特界说务方面的数据相对较少，常日无法在不熟习的环境中实行新任务。

研究职员这次改变策略，演习了一个单独的扩散模型，让它学习利用一个特天命据集来完成一项任务。
然后，他们将扩散模型的学习策略组合成一个通用策略，使机器人能在各种设置中实行多项任务。

在仿照和真实天下的实验中，这种演习方法使机器人能利用多种工具，并适应演习期间没有学过的新任务。
与基线技能比较，这种策略组合将任务性能提高了20%。

研究职员表示，办理机器人数据集中的异质性就像一个先有鸡还是先有蛋的问题。
如果想利用大量数据来演习通用机器人，首先须要可支配的机器人来获取所有这些数据。
利用所有可用的异质数据，类似于研究职员对ChatGPT所做的事情，是机器人领域发展的主要一环。

来源： 科技日报