Este robot aprende a recoger tazas aprendiendo primero una teoría de mugness

Categoría: Inteligencia artificial Al corriente Mar 19

A pesar de todos los avances recientes en la inteligencia artificial, los robots aún luchan por adaptar tareas relativamente simples a nuevas situaciones. Tomemos, por ejemplo, levantar una taza y colgarla en un estante para tazas; incluso pequeños cambios en la forma, el tamaño, el color y la orientación de una taza pueden despistar a un robot.

en un nuevo papel , los investigadores del MIT ahora proponen una nueva técnica para ayudar a los robots a generalizar su aprendizaje con relativamente pocos datos. Lo hacen entrenando una red neuronal para extraer solo algunos puntos clave de una taza u otro objeto que debe levantarse y colocarse, lo que le da al robot una hoja de ruta visual sobre cómo agarrarlo y orientarlo. Durante las pruebas, descubrieron que el bot solo necesitaba tres puntos clave para una taza, uno en el centro de su costado, uno en la parte inferior y otro en el asa, y seis puntos clave para un zapato.

A diferencia de las técnicas anteriores que requieren cientos o incluso miles de ejemplos para que un robot aprenda a levantar una taza que nunca antes ha visto, esta Acercarse requiere sólo unas pocas docenas. Los investigadores pudieron entrenar la red neuronal en 60 escenas de tazas y 60 escenas de zapatos para alcanzar un nivel de rendimiento similar. Cuando el sistema inicialmente no detectó tacones altos porque no había ninguno en el conjunto de datos, solucionaron rápidamente el problema agregando algunas escenas etiquetadas de tacones altos a los datos.

El equipo espera usar el enfoque para abordar tareas más grandes a continuación, como descargar un lavavajillas o limpiar un mostrador de cocina.

Esta historia apareció originalmente en nuestro boletín informativo de IA El Algoritmo. Para recibirlo directamente en su bandeja de entrada, regístrese aquí de forma gratuita.