經(jīng)過查詢得知，英偉達研討院主導開發(fā)了 Eureka，該AI體系可令開發(fā)者配合英偉達自家物理模仿軟件 Isaac Gym 進行強化學習（reference learning）。

英偉達AI 研討部門資深總監(jiān) Anima Anandkumar 覺得，過去 10 年以來“強化式學習”雖然有所進展，但仍存在不少挑釁，例如“獎賞設計”等環(huán)節(jié)，現(xiàn)在還停留在“試錯”階段。而目前英偉達頒布的 Eureka，則是為履行艱苦的任務而設計，聯(lián)合生成式 AI 與強化式學習算法，進行首次嘗試。

Eureka 運用 GPT-4生成出的“獎賞設計”計劃可助力機器人的“試錯（trial-and-error）”學習，并能夠起到接替 80% 人類專家的任務，從而使機器人平均訓練效力晉升超過 50%。

據(jù)悉，在 Eureka 生成“獎賞設計”計劃時，開發(fā)者不須要額外輸入任務提醒或撰寫預定義的獎賞范本，再聯(lián)合人工修改獎賞，最終使機器人行動更符合開發(fā)人員的意圖。

該 AI 體系配合 Issac Gym 時，可運用 GPU 加速進行模仿，并針對大批批次的候選回饋快速評估品德，從而晉升訓練效力，并依據(jù)訓練成果的作出統(tǒng)計摘要，從而改進“獎賞計劃”，在晉升機器人反映程度的同時，令 AI 體系實用的機器人類型更為普遍，例如“走獸型”（四足）、“人型（兩足）”、“四軸飛翔器”、手臂型等機器人都可以搭載 Eureka 體系。

▲ 圖源 英偉達

▲ 圖源 英偉達

英偉達將 Eureka 進行了“開源敏銳性標竿測試”，在評估 20 種任務訓練成果后，得出了令人滿意的成果。

據(jù)此，英偉達覺得 Eureka 可實現(xiàn)靈活的機器人把持，并為動畫作者供給“生成真切實體行動”的新方式。