DeepMind crea RoboCat, un modelo de IA que domina múltiples tareas en robots del mundo real

DeepMind desarrolla una IA que aprende a realizar múltiples tareas en diferentes robots

DeepMind ha desarrollado un modelo de inteligencia artificial llamado RoboCat que puede realizar una variedad de tareas en diferentes modelos de brazos robóticos. Lo más destacado de este modelo es que es el primero capaz de resolver y adaptarse a múltiples tareas utilizando diferentes robots del mundo real.

Entrenamiento de RoboCat

Para entrenar a RoboCat, los investigadores de DeepMind recolectaron entre 100 y 1.000 demostraciones de una tarea o robot utilizando un brazo robótico controlado por un humano. Después, ajustaron el modelo para la tarea, creando un modelo especializado que practicaba en la tarea unas 10.000 veces de media. Utilizando los datos generados por los modelos derivados y los datos de demostración, los investigadores continuamente ampliaron el conjunto de datos de entrenamiento de RoboCat.

La versión final del modelo RoboCat se entrenó en un total de 253 tareas y se evaluó en un conjunto de 141 variaciones de estas tareas, tanto en simulación como en el mundo real. Después de observar 1.000 demostraciones controladas por humanos recopiladas durante varias horas, RoboCat aprendió a operar diferentes brazos robóticos.

Adaptación a robots más complejos

Aunque RoboCat se entrenó en cuatro tipos de robots con brazos de dos púas, el modelo pudo adaptarse a un brazo más complejo con un agarre de tres dedos y el doble de entradas controlables.

Si bien la tasa de éxito de RoboCat en las pruebas de DeepMind varió drásticamente según las tareas, oscilando entre el 13% en el extremo inferior y el 99% en el extremo superior, se espera que la IA pueda mejorar en el futuro.

Potencial de RoboCat

Alex Lee, científico investigador de DeepMind y co-contribuyente en el equipo detrás de RoboCat, cree que el modelo puede reducir la barrera para resolver nuevas tareas en robótica. Según Lee, "si se proporciona un número limitado de demostraciones para una nueva tarea, RoboCat puede ajustarse a las nuevas tareas y, a su vez, generar más datos para mejorar aún más".

En el futuro, el equipo de investigación tiene como objetivo reducir el número de demostraciones necesarias para enseñar a RoboCat a completar una nueva tarea a menos de 10.

En general, el desarrollo de RoboCat y su capacidad para adaptarse a diferentes robots del mundo real son un paso importante en la creación de modelos de IA que pueden realizar múltiples tareas en entornos complejos.