GPT-6 Astra自律運用デモンストレーション

ペン回しタスクの単一プロンプトが与えられただけで、GPT-6 Astraは1日半自律的に動作し、Isaac Labを使用したSharapaハンドによる強化学習、3Dペンメッシュの作成、ポリシーのトレーニング、可視化ビデオの提供を行いました。シミュレーションによるトレーニングでは、さらにキューブ解法やハンマー使用などのスキルも生成されました。
Key insights
単一プロンプトによる終日自律運用
GPT-6 Astraは、指定された技術(Isaac Lab、Sharapaハンド、3Dメッシュ作成)を用いたペン回しタスクを要求する1つのプロンプトを受け取りました。戦略のトレーニングと最終的な可視化ビデオの提供を含む1.5日間、人間の介入なしに自律的に動作し、ウェブ検索、論文ダウンロード、強化学習トレーニングを組み合わせました。
シミュレーショントレーニングによる器用な能力の拡張
GPT-6 Astraは、シミュレーショントレーニングを通じてロボットハンドの器用さを進化させます。ゼロショットでの微細な操作はすでに印象的であり、トレーニングによりペン回し、キューブ解法、ハンマー使用が可能になります。キューブタスクでは、4,096の並列シミュレーションと約4.2 GPU時間のトレーニングを使用しました。
目標:学習スキルのシミュレーションから実世界への転移
明示された目標は、これらの能力をシミュレーション環境から実世界へ移行することです。4,096の並列シミュレーションアプローチは、スケールされた計算が複数の操作タスクにわたるスキル獲得をどのように加速するかを示しています。