Investigadores de Meta AI están entrenando robots para que aprendan como niños de 3 años
Los bebés y los niños pequeños aprenden explorando su entorno y ahora los robots también pueden hacerlo. En una innovadora colaboración entre la Universidad Carnegie Mellon y Meta, los científicos se han inspirado en la forma en que los bebés aprenden a crear un enfoque innovador para enseñar a los robots.
El resultado es RoboAgent, un agente de inteligencia artificial diseñado para emular el proceso de aprendizaje de un niño pequeño y adquirir habilidades de manipulación equivalentes a las de un niño de tres años.
“Nuestro objetivo era crear un único agente de IA capaz de una amplia gama de habilidades en situaciones novedosas, similar a cómo aprenden los bebés humanos”, explica Vikash Kumar, del Instituto de Robótica de la Escuela de Ciencias de la Computación de Carnegie Mellon. “RoboAgent aprovecha las observaciones pasivas y el juego activo limitado, al igual que los bebés que miran, imitan y juegan con atención para aprender”.
RoboAgent muestra la competencia en 12 habilidades de manipulación en varios escenarios, demostrando una plataforma de aprendizaje dinámica adaptable a entornos cambiantes. A diferencia de investigaciones anteriores realizadas en simulaciones, este proyecto funcionó con éxito en entornos del mundo real utilizando una cantidad notablemente menor de datos.
“Los RoboAgents muestran una mayor complejidad de habilidades que los intentos anteriores”, afirma Abhinav Gupta, profesor asociado del Instituto de Robótica, en un comunicado de la universidad . “Nuestro agente demuestra un conjunto de habilidades diversas que supera los logros de cualquier agente robótico del mundo real . Combina eficiencia, escalabilidad y adaptabilidad a situaciones no vistas”.
La arquitectura de aprendizaje única de RoboAgent es el núcleo de su eficacia y eficiencia. Emplea fragmentos temporales de movimientos para tomar decisiones , alejándose del enfoque tradicional de pasos por tiempo. Esta estructura de política innovadora facilita el razonamiento incluso con experiencias limitadas, lo que permite al agente actuar de acuerdo con objetivos específicos.
El proceso de aprendizaje de RoboAgent se inspira en la forma en que los niños acumulan conocimientos. Así como los padres guían a sus hijos, los investigadores teleoperaron el robot para proporcionar valiosas experiencias personales . Sin embargo, el alcance de aprendizaje de RoboAgent va más allá de su entorno inmediato.
“Para superar las limitaciones, RoboAgent aprende de los videos de Internet, de manera similar a cómo los bebés adquieren comportamientos al observar su entorno”, dice Mohit Sharma, Ph.D. estudiante de robótica. “Estos videos ayudan a RoboAgent a aprender cómo los humanos interactúan con los objetos y utilizan habilidades para completar tareas . Extrae lecciones valiosas de diferentes escenarios y las aplica a nuevos desafíos”.
El ambicioso proyecto del equipo tiene como objetivo mejorar la adaptabilidad de los robots en diversos entornos.
“El aprendizaje de RoboAgent podría acercarnos a un robot universal capaz de realizar una variedad de tareas en varios entornos”, afirma Shubham Tulsiani, profesor asistente del Instituto de Robótica. “Esta plataforma podría hacer que los robots sean más útiles en espacios no estructurados como hogares, hospitales y áreas públicas”.
El impacto del proyecto se amplifica aún más por su enfoque de código abierto. El equipo comparte sus modelos capacitados, código base, controladores de hardware y un extenso conjunto de datos, RoboSet, que es el mayor conjunto de datos de robótica de acceso público en hardware estándar. El objetivo es fomentar la colaboración y el desarrollo dentro de la comunidad robótica, allanando el camino para un agente robótico general versátil y fundamental en el futuro.
Fuente: Hallazgos del estudio
Ver el archivo de artículos de StudyFinds
Visto en: Activist Post