Criar a un 3

Los humanos son criaturas sociales y aprenden unos de otros, incluso desde una edad temprana. Los bebés observan atentamente a sus padres, hermanos o cuidadores. Observan, imitan y reproducen lo que ven para aprender habilidades y comportamientos.

La forma en que los bebés aprenden y exploran su entorno inspiró a investigadores de la Universidad Carnegie Mellon y Meta AI a desarrollar una nueva forma de enseñar a los robots cómo aprender simultáneamente múltiples habilidades y aprovecharlas para abordar tareas cotidianas invisibles. Los investigadores se propusieron desarrollar un agente robótico de inteligencia artificial con capacidades de manipulación equivalentes a las de un niño de 3 años.

El equipo ha anunciado RoboAgent, un agente de inteligencia artificial que aprovecha las observaciones pasivas y el aprendizaje activo para permitir que un robot adquiera habilidades de manipulación comparables a las de un niño pequeño.

"RoboAgent es un hito fundamental hacia los agentes robóticos generales que aprenden eficientemente, son efectivos en situaciones nuevas y capaces de expandir sus comportamientos con el tiempo", dijo Vikash Kumar, profesor adjunto de Robótica de la Facultad de Ciencias de la Computación (se abre en una ventana nueva). Instituto(abre en nueva ventana). “Los robots actuales están altamente especializados y entrenados para tareas individuales de forma aislada. Por el contrario, nos propusimos crear un único agente de inteligencia artificial capaz de exhibir una amplia gama de habilidades en escenarios invisibles. RoboAgent aprende como bebés humanos: aprovechando una combinación de abundantes observaciones pasivas y juego activo limitado”.

RoboAgent puede completar 12 habilidades de manipulación en diferentes escenas. Esta investigación apunta hacia una plataforma de aprendizaje robótica adaptable a entornos cambiantes. A diferencia de investigaciones anteriores, el equipo demostró su trabajo en entornos reales (no en simulación) y lo hizo con muchos menos datos que en proyectos anteriores.

"Los RoboAgents son capaces de desarrollar habilidades mucho más complejas que las que otros han logrado", dijo Abhinav Gupta (se abre en una ventana nueva), profesor asociado en el Instituto de Robótica. "Hemos demostrado una mayor diversidad de habilidades que cualquier cosa jamás lograda por un solo agente robótico del mundo real con eficiencia y una escala de generalización a escenarios invisibles que es única".

El agente del equipo aprende a través de una combinación de experiencias propias y observaciones pasivas contenidas en datos de Internet. Mientras un padre guiaba a su hijo, los investigadores teleoperaron al robot a través de tareas para brindarle autoexperiencias útiles.

"La eficacia y eficiencia de nuestro enfoque se derivan de nuestra novedosa arquitectura política que permite a nuestros agentes razonar incluso con experiencias limitadas", dijo Homanga Bharadwaj, Ph.D. estudiante de robótica. "RoboAgent actúa en respuesta a objetivos textuales/visuales específicos prediciendo y agregando decisiones en términos de fragmentos temporales de movimientos en lugar de acciones por paso de tiempo comúnmente utilizadas".

Los robots aprenden principalmente de sus propias experiencias, no de lo que sucede pasivamente a su alrededor. Esta ceguera inherente a lo que sucede en su entorno limita fundamentalmente tanto la diversidad de experiencias a las que están expuestos los robots como su capacidad para adaptarse a nuevas situaciones. Para superar estas limitaciones, RoboAgent aprende de videos en Internet, de manera similar a cómo los bebés adquieren conocimientos y comportamientos al observar pasivamente.sus alrededores.

"RoboAgent aprovecha la información contenida en estos videos para conocer información previa sobre cómo los humanos interactúan con los objetos y utilizan diversas habilidades para completar tareas con éxito", dijo Mohit Sharma, Ph.D. estudiante de robótica. “Además, observar habilidades similares en múltiples escenarios le permite aprender qué es necesario y qué no para completar una tarea. Aprovecha estas lecciones cuando se le presentan tareas desconocidas o entornos invisibles”.

"Un agente capaz de este tipo de aprendizaje nos acerca a un robot general que puede completar una variedad de tareas en diversos entornos invisibles y evolucionar continuamente a medida que reúne más experiencias", dijo Shubham Tulsiani (se abre en una ventana nueva), profesor asistente en el Instituto de Robótica. “RoboAgent puede entrenar rápidamente a un robot utilizando datos limitados en el dominio y al mismo tiempo depende principalmente de datos gratuitos disponibles en Internet para aprender una variedad de tareas. Esto podría hacer que los robots sean más útiles en entornos no estructurados como hogares, hospitales y otros espacios públicos”.

Los modelos entrenados, el código base, los controladores de hardware del equipo y, sobre todo, todo el conjunto de datos recopilados en esta investigación son de código abierto. RoboSet es el mayor conjunto de datos de robótica disponible públicamente sobre hardware básico. El equipo espera que esto permita a otros reutilizarlo, adaptarlo y transmitirlo, lo que con el tiempo conducirá a un agente robótico general verdaderamente fundamental.

El equipo de investigación incluye a Kumar, Tulsiani, Gupta, Bharadwaj, Sharma y Jay Vakil de Meta AI. Más información sobre RoboAgent y RoboSet está disponible en el sitio web del proyecto (se abre en una ventana nueva).