Meta AI · 世界模型
Meta AI 发布具身智能新里程碑
Meta AI 公布了具身智能领域的最新进展，在仿真环境、感知能力和交互控制等方向取得多项技术突破。这些成果旨在让人工智能不仅理解语言和视觉，还能在真实物理世界中移动、操作和规划，从而加速机器人、增强现实等场景的落地。具体技术细节和开源信息将在后续陆续披露。
- 域名
ai.meta.com- 评分
- 5 · 重大发布
导读
2020 年 8 月 Facebook AI 公布一组具身智能新进展，把 AI Habitat 推到一个新位置：在单 GPU 上可以以超过 10,000 帧每秒的速度仿真照片级真实的 3D 环境，约为实时速度的一百倍以上，足以支撑大规模强化学习训练。围绕该底座，团队同时开源了几项前向研究，让 agent 学会在更接近人居的复杂空间中探索。
其中 SoundSpaces 把音频引入仿真。它基于先进的房间声学建模与双向路径追踪算法建模声音反射，并对地板、墙体等主要表面建模材质相关的声学属性，能够区分大理石与地毯踩踏的差异，也能渲染墙体后透声、多源同时发声等细节。配套提出的 AudioGoal 任务要求 agent 在未建图环境里循声找到正在响铃的电话，是已知首个让深度强化学习 agent 同时利用视觉与听觉建图并定位声源的工作。指令也从 point-goal 的坐标制改为语义化的目标描述。
实验显示，多模态训练在导航精度与训练速度上均超越单模态对照，学到的音频编码甚至能提供与 GPS 位移相当或更优的空间线索，对室内常见的 GPS 噪声有天然抵抗力。这条研究路线把语言、视觉与声音组合成一个统一的感知问题，被定位为通向能够帮人开门、取手机的家用助手的关键一步。