英伟达公司（Nvidia Corp.）近日公布了其新产品 Eureka（尤里卡），这是一种人工智能系统，可以自动训练机器人执行新任务。
在一项内部评估中，芯片制造商使用尤里卡教了10个模拟机器人29种不同的动作。工程师通常会在构建机器以支持开发工作之前创建机器的模拟版本。尤里卡教英伟达的虚拟机器人打开抽屉，执行钢笔旋转技巧以及执行其他相对复杂的任务。
许多机器人由一种称为强化学习或RL模型的神经网络提供支持。RL模型通过反复试验来学习执行任务：它们在模拟环境中多次重复任务，直到弄清楚如何正确执行任务。模拟学习环境包括一个虚拟机器人，用作神经网络的测试平台。
在此类项目中，AI训练过程由一段称为奖励函数的代码监督。当机器人在学习会话中得出正确结论时，该功能会“奖励”机器人的 RL 模型，并惩罚它的错误。通过这种方式，RL模型被引导找到操作机器人的正确方法。
为 RL 模型编写奖励函数历来是一项耗时且技术性很强的任务。根据英伟达的说法，其新的尤里卡系统使该过程自动化。该系统可以根据自然语言指令生成奖励功能，例如“教机械臂下棋”。
在引擎盖下，尤里卡使用OpenAI的GPT-4将用户的提示转化为奖励功能。除了提示本身，系统还将所谓的环境代码作为输入。这是描述正在训练以执行新任务的模拟机器人的代码。
根据英伟达的说法，尤里卡不仅会产生奖励功能，而且还会随着时间的推移对其进行改进。该系统创建奖励函数的多个版本，并通过将它们应用于模拟机器人来评估它们的工作情况。然后，尤里卡分析评估结果以确定改进的机会。
系统还可以在此过程中考虑开发人员的反馈。特别是，尤里卡允许工程师就如何增强机器人的奖励功能提供建议。这些建议将合并到代码优化过程中。
英伟达表示，尤里卡开发的奖励函数在其测试的机器人动作中80%以上都优于人类编写的代码。因此，作为项目一部分开发的 10 个模拟机器人更有效地执行了分配的任务。英伟达的研究人员记录了机器人性能的52%。
“强化学习在过去十年中取得了令人印象深刻的胜利，但仍然存在许多挑战，例如奖励设计，这仍然是一个试错过程，”参与尤里卡开发的英伟达人工智能研究高级总监阿尼玛·阿南德库马尔（Anima Anandkumar）说。“尤里卡是开发新算法的第一步，这些算法集成了生成和强化学习方法来解决困难的任务。
英伟达发布了Eureka的关键组件和一篇学术论文，描述了它在GitHub上的工作方式。工程师可以使用芯片制造商的Isaac Gym程序运行该软件，该程序是专门为支持AI机器人开发而设计的模拟工具。
