Virtuella världar snabbar upp robotträning

BBC rapporterar att Vsim, ett brittiskt nystartat företag i Cambridge, använder virtuella miljöer för att träna robotar snabbare. Företagets robot Freddo lärde sig att gå, känna igen och greppa en plastflaska på några minuter. Grundarna Michelle Lu och Kier Storey säger att konkurrerande system kan behöva flera dagar för att lära sig samma färdigheter.

I en simulering kan en uppgift upprepas miljontals gånger tills en effektiv lösning, kallad en policy, hittas. Policyn kan sedan laddas upp till en robot. Vsim grundades 2022 efter att Lu och Storey arbetat med en tidig version av Nvidias Isaac Sim. De utformade systemet för att använda grafikprocessorer, eller GPU:er.

Lu säger att Vsim efter arton månader hade en fungerande simulator med hög prestanda. Programvaran körs på Freddos hårdvara, vilket gör att roboten kan genomföra tiotusentals simuleringar medan den rör sig. Storey säger att den kan bedöma ungefär en sekund framåt utifrån 20 000 möjliga kombinationer. Det kan hjälpa robotar att anpassa sig i hem där människor, djur och andra robotar kan orsaka oväntade händelser.

Nvidia utvecklar också simulerings- och världsmodellprogram, bland annat Cosmos. Rika Antonova vid University of Cambridge säger att Vsim är lovande tack vare sin hastighet, men att simuleringar fortfarande bara är approximationer. Hon säger att mycket deformerbara föremål och skärning är svåra att modellera. Vsim arbetar också med att minska skillnaden mellan simulering och verklighet.