GPT-6 Astra、シミュレーションで器用なロボットハンドを訓練

OpenAIのGPT-6 Astraは、Isaac Labシミュレーションを使用して、ペン回し、ルービックキューブの解法、ハンマーの使用などのタスクを実行する器用なロボットハンドを自律的に訓練しました。訓練には4,096の並列シミュレーションが使用され、約4.2 GPU時間を要しました。目標は、これらのスキルを現実世界に移行することです。
Key insights
単一プロンプトからの自律訓練
GPT-6 Astraは、Sharpaハンドと自己生成したペンの3Dメッシュを使用し、Isaac Lab強化学習でペンを回す器用なハンドを訓練するための単一のプロンプトを与えられました。ポリシーの訓練を含め、1日半にわたり自律的に実行され、最終ビデオを生成しました。モデルは必要に応じてウェブ検索や論文のダウンロードが許可されていました。
訓練効率と並列シミュレーション
ルービックキューブのタスクでは、GPT-6 Astraは4,096の並列シミュレーションを使用し、約4.2 GPU時間で訓練しました。ゼロショットの微細操作はすでに印象的であり、訓練後はペン回し、ルービックキューブの解法、ハンマーの使用を学習しました。この訓練はシミュレーションリソースの効率的な活用を示しています。
目標:シミュレーションから実世界への移行
明示された目標は、これらの器用な操作能力をシミュレーションから現実世界に移行することです。Isaac Labでの訓練は、複雑な運動スキルを学習するためのスケーラブルな環境を提供します。結果は、汎用ロボット操作への進歩を示しています。