Gående robotar kan göra alla möjliga spännande saker som dans, löpning och kampsport – men för att vara användbara måste de kunna använda benen för att hantera terräng, för att ta sig över hinder och inte bara runt omkring dem. Så, hur kan vi bäst träna gångpolicyn för beniga robotar? @ChongZitaZhang pratar med oss om hur. Se avsnitt #43 av RoboPapers, som leds av @micoolcho och @chris_j_paxton, nu för att få veta mer.

Med tillräckligt med data kan robotar och AI lära sig "världsmodeller" som låter dem förutsäga resultatet av sina handlingar. Dessa modeller är ett sätt att lära sig hur förkroppsligade AI-agenter kan utföra en mängd olika användbara uppgifter – men de kräver en enorm mängd data. Teamet på General Intuition @gen_intuition har en lösning: använd data från videospel! Spel lär ut rörelse, problemlösning och komplext rumsligt resonemang, och de finns i en häpnadsväckande mångfald av former som täcker en mängd olika problem. Dessutom är den insamlade datan av hög kvalitet, utan brus eller anteckningsfel som kan komma från Vi satte oss ner med @PimDeWitte och @AdamJelley2 från General Intuition-teamet för att lära oss mer om deras historia, deras planer och deras filosofi.

Hela avsnittet släpps snart! Nördar ut sig med @PimDeWitte @AdamJelley2, medgrundare av @gen_intuition utnyttjar storskaliga spelinspelningar för att bygga agenter med djupa rumsliga/tidsmässiga resonemang. Byggd på arbetet av Adam, @EloiAlonso1 @micheli_vincent (alla medgrundare på General Intuition) : DIAMOND - Diffusion for World Modeling: Visual Details Matter in Atari Medarrangör är @micoolcho @chris_j_paxton