Google DeepMind presenta RT-2, un avance en robótica adaptable con mayor capacidad de generalización

Google DeepMind presenta RT-2, un nuevo avance en robótica adaptable

La robótica es un campo en constante evolución, en el que se busca la creación de sistemas más adaptables y capaces de realizar tareas más complejas. En este sentido, el equipo de robótica de Google DeepMind ha presentado RT-2, un nuevo avance en el aprendizaje de robots que permite transferir conceptos aprendidos en pequeños conjuntos de datos a diferentes escenarios.

Mejorando la capacidad de generalización

RT-2 es la evolución de Robotics Transformer (RT-1), presentado por DeepMind el año pasado. RT-1 fue entrenado para realizar tareas como recoger y colocar objetos y abrir cajones, alcanzando una tasa de éxito del 97% en más de 700 tareas. Sin embargo, RT-2 va un paso más allá al demostrar una mayor capacidad de generalización y comprensión semántica y visual más allá de los datos robóticos a los que ha sido expuesto.

Razonamiento rudimentario y comprensión de comandos

Una de las capacidades destacadas de RT-2 es su capacidad para interpretar nuevos comandos y responder a comandos de usuario realizando un razonamiento rudimentario. Esto implica que el sistema puede determinar, por ejemplo, la mejor herramienta para una tarea específica basándose en información contextual existente.

Para ilustrar esta capacidad, Vincent Vanhoucke, Científico Distinguido y Jefe de Robótica de DeepMind, menciona el ejemplo de pedirle al robot que tire la basura. En muchos modelos, el usuario tiene que enseñar al robot a identificar qué se considera basura y luego entrenarlo para recogerla y tirarla. Sin embargo, RT-2 ya tiene conocimientos previos sobre qué es la basura gracias a un gran corpus de datos web, y puede identificarla sin necesidad de un entrenamiento explícito. Además, el sistema es capaz de entender cómo tirar la basura, a pesar de no haber sido entrenado específicamente para realizar esa acción.

Mejora en la ejecución de nuevas tareas

El equipo de DeepMind destaca que la eficacia en la ejecución de nuevas tareas ha mejorado significativamente en RT-2. Mientras que RT-1 tenía una tasa de éxito del 32% en la ejecución de nuevas tareas, RT-2 ha logrado aumentar esa cifra al 62%. Esto demuestra que el sistema es capaz de aplicar el conocimiento adquirido en situaciones anteriores a nuevos escenarios, lo que lo hace más adaptable y versátil.

Avances en la robótica adaptable

El avance presentado por Google DeepMind con RT-2 supone un paso importante en el desarrollo de la robótica adaptable. Al permitir que los robots aprendan conceptos y los apliquen en diferentes situaciones, se abre la puerta a la creación de sistemas capaces de realizar una amplia gama de tareas sin necesidad de un entrenamiento específico para cada una de ellas. Esto tiene implicaciones significativas tanto en el ámbito industrial como en el doméstico, donde los robots podrían desempeñar roles más variados y complejos.

En definitiva, RT-2 representa un avance significativo en la robótica adaptable y demuestra el potencial de los sistemas de aprendizaje en la creación de robots más inteligentes y versátiles. Con una mayor capacidad de generalización y comprensión de comandos, estos sistemas están cada vez más cerca de poder realizar tareas complejas en entornos no estructurados, acercándonos un paso más a la visión de robots verdaderamente autónomos.