La Universidad Carnegie Mellon desarrolla algoritmo VRB para entrenar robots con videos de humanos

La Universidad Carnegie Mellon desarrolla un nuevo algoritmo de aprendizaje robótico a través de videos de humanos

Desde hace décadas, el aprendizaje ha sido el santo grial de la robótica. Si estos sistemas van a prosperar en entornos impredecibles, necesitarán hacer más que simplemente responder a la programación, deberán adaptarse y aprender. Lo que se ha vuelto claro a medida que se lee y habla con expertos es que el verdadero aprendizaje robótico requerirá una combinación de muchas soluciones.

La solución de los videos

Una solución intrigante que ha sido el centro de muchas investigaciones recientes en este campo es el uso de videos. Hace aproximadamente un año, se destacó WHIRL (Aprendizaje robótico de imitación humana en el entorno natural), un algoritmo desarrollado por la Universidad Carnegie Mellon (CMU) diseñado para entrenar sistemas robóticos mediante la observación de un humano ejecutando una tarea.

Esta semana, el profesor asistente del Instituto de Robótica de la CMU, Deepak Pathak, está presentando VRB (Puente de Visión-Robotica), una evolución de WHIRL. Como su predecesor, el sistema utiliza videos de humanos para demostrar la tarea, pero la actualización ya no requiere que se ejecuten en un entorno idéntico al del robot.

Aprendizaje para explorar

“Pudimos llevar robots por todo el campus y realizar todo tipo de tareas”, señala el estudiante de doctorado Shikhar Bahl en un comunicado. "Los robots pueden usar este modelo para explorar curiosamente el mundo que les rodea. En lugar de simplemente agitar los brazos, un robot puede ser más directo con la forma en que interactúa".

El robot está buscando algunas piezas clave de información, incluyendo puntos de contacto y trayectoria. El equipo utiliza la apertura de un cajón como ejemplo. El punto de contacto es la manija y la trayectoria es la dirección en la que se abre. “Después de ver varios videos de humanos abriendo cajones”, señala la CMU, “el robot puede determinar cómo abrir cualquier cajón”.

Datos masivos

Obviamente, no todos los cajones se comportan de la misma manera. Los humanos hemos llegado a ser bastante buenos abriendo cajones, pero eso no significa que el ocasional gabinete extrañamente construido no nos dé algún problema. Uno de los trucos clave para mejorar los resultados es hacer conjuntos de datos más grandes para el entrenamiento. La CMU se basa en videos de bases de datos como Epic Kitchens y Ego4D, esta última cuenta con "casi 4,000 horas de videos egocéntricos de actividades diarias de todo el mundo".

Bahl señala que hay un archivo masivo de datos de entrenamiento potencial esperando ser observado. "Estamos utilizando estos conjuntos de datos de una manera nueva y diferente", señala el investigador. "Este trabajo podría permitir que los robots aprendan de la gran cantidad de videos de Internet y YouTube disponibles".