RoboCasa es un framework de simulación para la formación de agentes públicos de robótica. Créditos de las imágenes: Yuk Cho y Soroush Nasiriani.
El rendimiento de las herramientas de inteligencia artificial (IA), incluidos los modelos computacionales de procesamiento del lenguaje natural (PLN) a gran escala y los algoritmos de visión por computadora, ha mejorado rápidamente en las últimas décadas. Una razón de esto es que los conjuntos de datos para entrenar estos algoritmos han crecido exponencialmente, recopilando cientos de miles de imágenes y textos, a menudo recopilados de Internet.
Por otro lado, los datos de entrenamiento para algoritmos de planificación y control de robots siguen siendo mucho menos abundantes, en parte porque no son fáciles de obtener. Por lo tanto, algunos informáticos están intentando crear plataformas y conjuntos de datos más grandes que puedan usarse para entrenar modelos computacionales para una amplia gama de aplicaciones robóticas.
En un artículo reciente, Publicado anteriormente en el servidor arXiv Programada para ser presentada en la conferencia Robótica: Ciencia y Sistemas 2024, investigadores de la Universidad de Texas en Austin y NVIDIA Research han presentado una de esas plataformas, llamada RoboCasa.
RoboCasa es un marco de simulación a gran escala que se puede utilizar para entrenar robots genéricos para completar diversas tareas en entornos cotidianos.
«El progreso reciente en inteligencia artificial se ha visto impulsado en gran medida por el entrenamiento de grandes modelos en grandes fuentes de datos», dijo a Tech Xplore Yuki Zhou, autor principal del artículo.
«Inspirándonos en estos desarrollos, buscamos desarrollar modelos básicos de robots con capacidad universal que puedan realizar diversas tareas cotidianas. RoboCasa está diseñado para proporcionar los datos de simulación de alta calidad necesarios para entrenar estos modelos básicos de robots».
El objetivo principal del trabajo reciente de Zhu, Soroush Nasiriani, Abhiram Madukuri, Lance Zhang, Adit Parikh, Aaron Lu, Abhishek Joshi y Ajay Mandelkar fue desarrollar una nueva plataforma de simulación de código abierto que facilitaría el entrenamiento de algoritmos robóticos.
Sus esfuerzos eventualmente llevaron al desarrollo de RoboCasa, una extensión de RoboSuite, un marco de simulación que introdujeron hace unos años. RoboSuite sirve como infraestructura de simulación que el equipo utilizó para crear los entornos de simulación de RoboCasa.
«Utilizamos herramientas de IA generativa para crear diversos activos, escenas y misiones», explicó Zhou. «Estas herramientas de IA han mejorado enormemente la diversidad y el realismo del mundo simulado. Además, RoboCasa admite múltiples plataformas de hardware de robots y proporciona grandes conjuntos de datos que contienen más de 100.000 trayectorias para el entrenamiento de modelos».
La plataforma RoboCasa incluye miles de escenas 3D que contienen más de 150 tipos diferentes de objetos cotidianos y decenas de muebles y electrodomésticos. RoboCasa presenta una simulación altamente realista, enriquecida con herramientas de inteligencia artificial generativa.
Zhu y sus colegas diseñaron 100 tareas en las que se podrían entrenar algoritmos robóticos y compilaron representaciones humanas de alta calidad de estas tareas. Su plataforma también incluye formas de crear caminos y movimientos eficientes que permitan a los robots completar estas tareas.
RoboCasa utiliza modelos Lanague grandes, como GPT-4, para crear una variedad de tareas cotidianas. Crédito: Yuk Cho y Soroush Nasiriani
«Hay dos hallazgos principales que más me interesaron», dijo Zhou. «En primer lugar, mostramos una tendencia de escala: a medida que aumentaba el tamaño de los conjuntos de datos de entrenamiento (generados por máquinas), el rendimiento del modelo crecía de manera constante. En segundo lugar, al combinar datos de simulación con datos del mundo real, descubrimos que el conjunto de datos aumentado mejoraba el rendimiento del robot en tareas del mundo real.»
En las pruebas iniciales, la nueva plataforma de simulación ha demostrado ser un recurso valioso para generar datos de entrenamiento sintéticos que luego pueden usarse para entrenar algoritmos de aprendizaje por imitación. En general, este estudio demuestra que los datos de simulación pueden ser muy eficaces en el entrenamiento de modelos de IA para aplicaciones de robótica.
En el futuro, otros equipos podrían probar RoboCasa, que es de código abierto y, por lo tanto, de fácil acceso. En GitHub. Mientras tanto, Zhou y sus colegas planean continuar expandiendo y mejorando su plataforma para facilitar su uso generalizado dentro de la comunidad de robótica.
«En primer lugar, nuestro objetivo es incorporar los métodos de IA generativa más avanzados para ampliar aún más nuestras simulaciones, capturando la diversidad y riqueza de los entornos centrados en el ser humano, desde hogares y fábricas hasta oficinas», añadió Zhu.
«En segundo lugar, planeamos desarrollar mejores algoritmos para aprovechar los datos de simulación para construir sistemas robóticos que sean más robustos y generalizables al mundo real».
más información:
Soroush Nasiriani et al., RoboCasa: simulación a gran escala de tareas cotidianas para robots públicos, arXiv (2024). DOI: 10.48550/arxiv.2406.02523
© 2024 Web de la ciencia
La frase: Nueva plataforma de simulación a gran escala para entrenar robots para tareas cotidianas (15 de junio de 2024) Obtenido el 15 de junio de 2024 de https://techxplore.com/news/2024-06-large-scale-simulation-platform-robots.html
Este documento está sujeto a derechos de autor. Sin perjuicio de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin permiso por escrito. El contenido se proporciona únicamente con fines informativos.
«Fanático del café. Amable aficionado a los zombis. Devoto practicante de la cultura pop. Malvado defensor de los viajes. Organizador típico».