通往具身通用智能：如何让机器从自然模态中学习到世界模型？

AIGC动态欢迎阅读

原标题：通往具身通用智能：如何让机器从自然模态中学习到世界模型？
关键字：智能,任务,模型,层级,能力
文章来源：AI科技评论
内容字数：28097字

内容摘要：

目前的人工智能系统虽然强大，却常常缺乏人类和动物的常识和灵活推理能力。人工智能研究的最终目标，是让机器能够像人类一样思考、学习并解决各种任务，实现通用具身智能。
本文作者沈马成博士致力于通用具身智能的研究，他认为，实现通用具身智能的关键问题在于，如何使机器学习系统从自然模态中学习到关于世界的结构化层级化抽象，即世界模型（world model）。
本文介绍了基于目前深度学习技术的具身智能研究近年来的进展、面临的挑战，并探讨了未来可能的改进方向，使得具身智能体能够在不需要人类帮助的条件下自主学习世界模型并涌现出通用学习能力。
研究领域：通用具身智能，强化学习，世界模型，层级化抽象，涌现沈马成| 作者
具身智能，通俗来说，是指研究在环境中具有实体的智能体（如现实或仿真环境下的机器人，能够直接与环境进行物理交互）如何通过与环境的交互来取得认知能力，学习并掌握新技能新知识的一个人工智能的子领域。1主流的具身智能
训练方法面临的挑战在深度学习范式下，具身智能的研究主要集中在模仿学习(Imitation Learning)和强化学习 (Reinforcement Learning, RL) 两大块

原文链接：通往具身通用智能：如何让机器从自然模态中学习到世界模型？

联系作者

文章来源：AI科技评论
作者微信：aitechtalk
作者简介：雷峰网旗下AI新媒体。聚焦AI前沿研究，关注AI工程落地。