Robótica humanoides avanzan gracias a inteligencia artificial generativa

Avances en la robótica: cómo la inteligencia artificial generativa está impulsando la creación de robots humanoides

Enfoque en la inteligencia artificial La mayoría de la cobertura de la robótica humanoide se ha centrado comprensiblemente en el diseño de hardware. Sin embargo, el salto a sistemas más generalizados será importante. A pesar de la frecuencia con la que los desarrolladores mencionan los "humanoides de propósito general", es necesario prestar más atención al primer paso. Después de décadas de sistemas de un solo propósito, aún no hemos llegado allí.

El papel de la inteligencia artificial generativa El impulso para producir una inteligencia robótica que pueda aprovechar plenamente la amplia gama de movimientos abiertos por el diseño humanoide bipedal ha sido un tema clave para los investigadores. El uso de inteligencia artificial generativa en la robótica ha sido un tema candente recientemente. Nuevas investigaciones de MIT señalan cómo esto podría afectar profundamente a lo anterior.

Desafíos en el entrenamiento de sistemas de propósito general Uno de los mayores desafíos en el camino hacia sistemas de propósito general es el entrenamiento. Aunque tenemos un sólido conocimiento de las mejores prácticas para entrenar a los humanos en diferentes trabajos, los enfoques para la robótica, aunque prometedores, están fragmentados. Los métodos prometedores incluyen el aprendizaje por refuerzo y la imitación, pero es probable que las soluciones futuras involucren combinaciones de estos métodos, complementados por modelos de inteligencia artificial generativa.

El método de Composición de Políticas Uno de los principales casos de uso sugeridos por el equipo de MIT es la capacidad de recopilar información relevante de estos pequeños conjuntos de datos específicos de tareas. El método ha sido denominado Composición de Políticas (PoCo). Las tareas incluyen acciones útiles para robots como clavar un clavo y voltear cosas con una espátula.

Beneficios de la combinación de políticas La incorporación de modelos de difusión mejoró el rendimiento de las tareas en un 20%, lo que incluye la capacidad de ejecutar tareas que requieren múltiples herramientas, así como aprender/adaptarse a tareas desconocidas. El sistema es capaz de combinar información pertinente de diferentes conjuntos de datos en una cadena de acciones necesarias para ejecutar una tarea.

Avances hacia la creación de sistemas inteligentes El objetivo de este trabajo específico es la creación de sistemas de inteligencia que permitan a los robots intercambiar diferentes herramientas para realizar diferentes tareas. La proliferación de sistemas multipropósito llevaría a la industria un paso más cerca del sueño de propósito general.