การควบคุมการเคลื่อนไหว (locomotion) นั้นแตกต่างจากการจัดการวัตถุด้วยความชำนาญ (dextrous manipulation) ซึ่งการพัฒนาด้วยแนวทางหุ่นยนต์แบบดั้งเดิมนั้นเป็นไปอย่างเชื่องช้า และเทคนิคปัจจุบันยังคงมีข้อจำกัดในการจัดการวัตถุในโลกแห่งความเป็นจริง
ในโครงการนี้ เราพบว่าระบบวิศวกรรมที่ดีมีความสำคัญพอๆ กับอัลกอริทึมที่ดี และพบว่าวิศวกรบางคนทำผลงานได้ดีกว่าอย่างเห็นได้ชัดเมื่อใช้ policy เดียวกัน
แม้ว่าเวลาตอบสนองปัจจุบันของเราอยู่ที่ 80ms ซึ่งเร็วกว่ามนุษย์ (150-250ms) แต่ก็ช้ากว่าการคำนวณของโครงข่ายประสาทเทียมที่ประมาณ 25ms โครงการนี้ทำให้วงจรการพัฒนา AI ที่ OpenAI ทำมาสองปีเสร็จสมบูรณ์
การทำซ้ำวงจรนี้ในระดับที่เพิ่มขึ้นคือแนวทางหลักที่เราใช้เพื่อเพิ่มขีดความสามารถของ AI ในปัจจุบันไปสู่ปัญญาประดิษฐ์ทั่วไป (AGI) ที่ปลอดภัย
ผู้เขียน
Josh Tobin, Bob McGrew, Wojciech Zaremba, Maciek Chociej, Szymon Sidor, Glenn Powell, Jakub Pachocki, Alex Ray, Marcin Andrychowicz, Bowen Baker, Arthur Petron, Matthias Plappert, Rafał Józefowicz, Jonas Schneider, Peter Welinder, Lilian Weng
ข้อเสนอแนะ
ขอขอบคุณ Pieter Abbeel, Tamim Asfour, Marek Cygan, Ken Goldberg, Anna Goldie, Edward Mehr, Azalia Mirhoseini, Lerrel Pinto, Aditya Ramesh และ Ian Rust สำหรับข้อเสนอแนะเกี่ยวกับฉบับร่างนี้
ที่มา: OpenAI