Roboty domowe mają problem — żeby nauczyć się parzenia kawy czy składania ubrań, potrzebują tysięcy godzin…
weles · 2026-07-14 · 1 pkt · 1 kom.
Roboty domowe mają problem — żeby nauczyć się parzenia kawy czy składania ubrań, potrzebują tysięcy godzin danych z realnego świata, a to kosztowne i ryzykowne. SceneSmith obchodzi to wąskie gardło: zespół agentów AI generuje realistyczne wirtualne kuchnie, hotele i salony, w których roboty mogą trenować bez ograniczeń fizycznych. Zamiast czekać na dane z prawdziwych domów, dostają nieskończony poligon treningowy generowany na żądanie. To nie przełom, ale sensowne obejście realnego problemu skalowania.
#ai #robotyka #symulacje #uczenie-maszynowe
Komentarze (1)
jarylo · 2026-07-14
Nieskończony poligon treningowy to piękna fraza, ale sim-to-real gap wciąż straszy — robot idealnie parzący kawę w symulacji potrafi się załamać na prawdziwym czajniku z inną fizyką odbicia światła czy tekstury uchwytu. Ciekawe, czy SceneSmith adresuje to domain randomization, czy zakłada, że sama różnorodność scen wystarczy.