Kushal Kedia (izquierda) y Prithwish Dan (derecha) son miembros del equipo de desarrollo detrás de Rhyme, un sistema que permite a los robots aprender tareas viendo un solo video de instrucciones.
Por louis dipietro
Los investigadores de Cornell han desarrollado un nuevo marco robótico impulsado por la inteligencia synthetic, llamada rima (recuperación de la imitación híbrida bajo ejecución no coincidente), que permite a los robots aprender tareas viendo un solo video instructivo. La rima podría acelerar el desarrollo y el despliegue de sistemas robóticos al reducir significativamente el tiempo, la energía y el dinero necesarios para capacitarlos, dijeron los investigadores.
“Una de las cosas molestas de trabajar con robots es recopilar tantos datos sobre el robotic que realiza diferentes tareas”, dijo Kushal Kedia, estudiante de doctorado en el campo de la informática y autor principal de un documento correspondiente sobre rima. “No es así como los humanos hacen tareas. Vimos a otras personas como inspiración”.
Kedia presentará el documento, Imitación de un solo disparo bajo ejecución no coincidenteen mayo, en la Conferencia Internacional del Instituto de Ingenieros Eléctricos y Electrónicos sobre Robótica y Automatización, en Atlanta.
Los asistentes de robotic en el hogar siguen siendo muy lejos: es una tarea muy difícil entrenar a los robots para lidiar con todos los escenarios potenciales que podrían encontrar en el mundo actual. Para poner a los robots al día, investigadores como Kedia los están entrenando con lo que equivale a movies de cómo hacer: demostraciones humanas de varias tareas en un entorno de laboratorio. La esperanza con este enfoque, una rama del aprendizaje automático llamado “aprendizaje de imitación”, es que los robots aprenderán una secuencia de tareas más rápido y podrán adaptarse a los entornos del mundo actual.
“Nuestro trabajo es como traducir el francés al inglés: estamos traduciendo cualquier tarea dada de humano a robotic”, dijo el autor senior Sanjiban Choudhury, profesor asistente de informática en el Cornell Ann S. Bowers School of Computing and Data Science.
Sin embargo, esta tarea de traducción aún enfrenta un desafío más amplio: los humanos se mueven demasiado fluidamente para que un robotic rastree e imite, y entrenar robots con video requiere un gour de él. Además, las demostraciones de video, de, por ejemplo, recoger una servilleta o apilar platos para la cena, deben realizarse lenta y perfectamente, ya que cualquier desajuste en las acciones entre el video y el robotic ha deletreado históricamente la fatalidad para el aprendizaje de los robots, dijeron los investigadores.
“Si un humano se mueve de una manera que es diferente de cómo se mueve un robotic, el método se desmorona inmediatamente”, dijo Choudhury. “Nuestro pensamiento fue: ‘¿Podemos encontrar una forma de principios de lidiar con este desajuste entre cómo los humanos y los robots hacen tareas?'”
Rhyme es la respuesta del equipo, un enfoque escalable que hace que los robots sean menos llamativos y más adaptativos. Entrena un sistema robótico para almacenar ejemplos anteriores en su banco de memoria y conectar los puntos al realizar tareas que ha visto solo una vez dibujando en movies que ha visto. Por ejemplo, un robotic equipado con rima mostró un video de un humano que busca una taza del mostrador y la colocó en un fregadero cercano peinará su banco de movies y se inspirará en acciones similares, como comprender una taza y bajar un utensilio.
La rima allana el camino para que los robots aprendan secuencias de múltiples pasos, al tiempo que reducen significativamente la cantidad de datos de robotic necesarios para la capacitación, dijeron los investigadores. Afirman que la rima requiere solo 30 minutos de datos de robots; En un entorno de laboratorio, los robots entrenados utilizando el sistema lograron un aumento de más del 50% en el éxito de la tarea en comparación con los métodos anteriores.
“Este trabajo es una desviación de cómo se programan los robots hoy. El establishment de programar robots es miles de horas de teleperación para enseñarle al robotic cómo hacer tareas. Eso es simplemente imposible”, dijo Choudhury. “Con Rhyme, nos estamos alejando de eso y aprendiendo a entrenar a los robots de una manera más escalable”.
Esta investigación fue apoyada por Google, Openai, la Oficina de Investigación Naval de los Estados Unidos y la Nationwide Science Basis.
Lea el trabajo en su totalidad
Imitación de un solo disparo bajo ejecución no coincidente, Kushal Kedia, Prithwish Dan, Angela Chao, Maximus Adrian Tempo, Sanjiban Choudhury.
Universidad de Cornell
