科技日报北京6月23日电（记者张梦然）据美国麻省理工学院官网近日报导，该机构研究人员为了练习更进步前辈的多用处机械人，开辟出一种手艺：利用一种称为分散模子的生成式人工智能（AI），可将分歧范畴、分歧情势的多个数据源整合起来，用在多种使命。

假定你想练习一个机械人，让它领会若何利用东西，然后快速学会用锤子、扳手和螺丝美金来维修你的房子。为此，你需要年夜量数据来演示东西的利用。

现有的机械人数据集在情势上差别很年夜。例如，有些包罗彩色图象，而另外一些则由触觉印记构成。数据也可在分歧的范畴搜集，如摹拟某人工演示。每一个数据集都可能包括一个怪异的使命和情况。

在一个机械进修模子中，很难有用地将浩繁来历的数据整合在一路，是以很多模子仅利用一种类型的数据来练习机械人。可是，以这类体例练习的机械人，在某些特定使命方面的数据相对较少，凡是没法在不熟习的情况中履行新使命。

研究人员此次改变策略，练习了一个零丁的分散模子，让它进修利用一个特定命据集来完成一项使命。然后，他们将分散模子的进修策略组合成一个通用策略，使机械人能在各类设置中履行多项使命。

在摹拟和真实世界的尝试中，这类练习方式使机械人能利用多种东西，开博体育并顺应练习时代没有学过的新使命。与基线手艺比拟，这类策略组合将使命机能提高了20%。

研究人员暗示，解决机械人数据集中的异质性就像一个先有鸡仍是先有蛋的问题。假如想利用年夜量数据来练习通用机械人，起首需要可摆设的机械人来获得所有这些数据。操纵所有可用的异质数据，近似在研究人员对ChatGPT所做的工作，是机械人范畴成长的主要一环。