Reprogramación | IA

Robots domésticos aprenden a corregir errores sin reiniciar desde cero

Innovador estudio de MIT utiliza modelos de lenguaje para corregir errores en robots domésticos

En el mundo de los robots domésticos, la corrección de errores ha sido un punto de fricción importante que ha impedido su éxito. A pesar de abordar problemas como el precio, la practicidad, el factor de forma y la cartografía, sigue existiendo la pregunta de qué sucede cuando un sistema comete un error inevitable. Este es un problema especialmente grave en un entorno no estructurado como un hogar, donde cualquier cambio en la situación puede afectar negativamente la capacidad de funcionamiento de un robot.

La importancia del aprendizaje por imitación en robótica doméstica

Investigadores de MIT han llevado a cabo un innovador estudio que se presentará en la Conferencia Internacional sobre Representaciones de Aprendizaje (ICLR) en mayo. Este estudio busca introducir un poco de "sentido común" en el proceso de corrección de errores de robots domésticos. Aunque el aprendizaje por imitación es popular en el mundo de la robótica doméstica, a menudo no puede tener en cuenta las innumerables pequeñas variaciones ambientales que pueden interferir en el funcionamiento regular, lo que requiere que un sistema reinicie desde cero.

La intervención de los modelos de lenguaje en la corrección de errores

El estudio se centra en la utilización de modelos de lenguaje para mejorar la capacidad de los robots para corregir errores de manera autónoma. Los modelos de lenguaje pueden indicar cómo realizar cada paso de una tarea en lenguaje natural, lo que permite al robot identificar en qué etapa se encuentra en una tarea y ser capaz de replanificar y recuperarse por sí mismo. Esto elimina la necesidad de que el programador etiquete y asigne individualmente las numerosas subacciones, facilitando el proceso de corrección de errores.

Demostración y resultados del estudio

En la demostración presentada en el estudio, se entrenó a un robot para recoger canicas y verterlas en un cuenco vacío. Aunque esta tarea es simple y repetible para los humanos, para los robots implica una combinación de varias tareas pequeñas. Durante las demostraciones, los investigadores saboteaban la actividad de diversas formas, como desviando al robot de su curso y haciendo que las canicas se salieran de la cuchara. El sistema respondía corrigiendo automáticamente las tareas pequeñas, en lugar de comenzar desde cero.

Beneficios de la metodología propuesta

Según el estudiante graduado Tsun-Hsuan Wang, "Con nuestro método, cuando el robot comete errores, no necesitamos pedir a los humanos que programen o proporcionen demostraciones adicionales sobre cómo recuperarse de los fallos". Esta metodología innovadora ayuda a los robots a corregir errores de forma autónoma y eficiente, evitando la necesidad de reiniciar desde el principio y mejorando su capacidad de adaptación a situaciones cambiantes en un entorno doméstico.

En resumen, el estudio realizado por MIT demuestra el potencial de los modelos de lenguaje para mejorar la capacidad de los robots domésticos para corregir errores de forma autónoma, sin necesidad de intervención humana. Esta innovadora metodología podría marcar un antes y un después en el desarrollo de robots para el hogar, mejorando su eficiencia y adaptabilidad en entornos no estructurados.


Podcast El Desván de las Paradojas
Publicidad


Otras noticias • IA

Resilientes

Empresas de logística se mantienen fuertes a pesar de desaceleración

A pesar de la desaceleración en la financiación de la robótica, el impulso en empresas de almacenes y logística se mantiene fuerte debido a la...

Lanzamiento

Ex cofundador de OpenAI lanza Safe Superintelligence Inc. en Palo Alto

Ilya Sutskever, ex cofundador de OpenAI, ha lanzado Safe Superintelligence Inc. (SSI) con un enfoque en la seguridad de la IA. La empresa, con sede...

Redes

Snap presenta modelo de difusión de imágenes en tiempo real

Snap ha presentado un modelo de difusión de imágenes en tiempo real para dispositivos que genera experiencias de realidad aumentada vívidas. También ha lanzado herramientas...

Innovación

DeepMind crea tecnología V2A para bandas sonoras automáticas en videos

DeepMind, laboratorio de IA de Google, desarrolla tecnología V2A para generar bandas sonoras automáticas para videos. La herramienta sincroniza música, efectos de sonido y diálogos...

Innovación

Perplexity y Tako revolucionan búsqueda con resultados visuales directos

Perplexity mejora su motor de búsqueda con resultados visuales directos para consultas factuales como el tiempo y la conversión de divisas. La startup colabora con...

Tecnología

TikTok presenta avatares de IA generativa para creadores y marcas

TikTok presenta avatares de IA generativa para creadores y marcas, incluyendo avatares personalizados y de stock, así como una herramienta de doblaje de IA para...

Éxito

Tempus, empresa de pruebas genómicas debuta con éxito en Nasdaq

Tempus, empresa de pruebas genómicas fundada por Eric Lefkosky, debutó en Nasdaq con éxito a pesar de una valoración reducida. Se enfoca en inteligencia artificial...

Nombramiento

Paul Nakasone se une al consejo de OpenAI por ciberseguridad

El exjefe de la NSA, Paul Nakasone, se unirá al consejo de OpenAI para aportar su experiencia en seguridad y protección. Su incorporación refleja el...