I robot hanno raggiunto tassi di successo superiori del 50% con il framework di apprendimento di Cornell
In contesto: Tradizionalmente, insegnare nuove abilità ai robot è stato un processo lento e laborioso, che richiedeva ore di dimostrazioni passo dopo passo per compiti anche molto semplici. Se un robot si imbatteva in una situazione imprevista, come la caduta di uno strumento o la presenza di un ostacolo non previsto, il suo progresso spesso si arrestava. Questa mancanza di flessibilità ha a lungo limitato l’uso pratico dei robot in ambienti caratterizzati dall’imprevedibilità.
I ricercatori dell’Università di Cornell stanno ora sviluppando un nuovo percorso con RHyME, un framework di intelligenza artificiale che semplifica notevolmente l’apprendimento robotico. RHyME, acronimo di Retrieval for Hybrid Imitation under Mismatched Execution, permette ai robot di apprendere nuove competenze osservando un unico video dimostrativo. Questo rappresenta una netta svolta rispetto alla raccolta estensiva di dati e alla ripetizione impeccabile precedentemente necessaria per l’acquisizione di competenze.
Il principale progresso con RHyME è la sua capacità di superare la sfida della traduzione delle dimostrazioni umane in azioni robotiche. Mentre gli esseri umani si adattano naturalmente alle circostanze mutevoli, storicamente i robot hanno avuto bisogno di istruzioni rigide e perfettamente allineate per avere successo. Anche piccole differenze nel modo in cui una persona e un robot eseguono un compito potevano interrompere il processo di apprendimento.
RHyME affronta questo problema permettendo ai robot di attingere a una banca di memoria di azioni osservate in precedenza. Quando viene mostrata una nuova dimostrazione, come posizionare una tazza nel lavandino, il robot cerca nelle sue esperienze memorizzate azioni simili, come prendere una tazza o posare un oggetto. Il robot riesce a capire come eseguire il nuovo compito mettendo insieme questi frammenti familiari, anche se non ha mai visto quello scenario esatto prima.
Questo approccio rende l’apprendimento dei robot più flessibile e notevolmente più efficiente. RHyME richiede solo circa 30 minuti di dati di addestramento specifici per il robot, rispetto alle migliaia di ore richieste dai metodi precedenti. Nei test di laboratorio, i robot che utilizzano RHyME hanno completato i compiti con un successo superiore del 50% rispetto a quelli addestrati con tecniche tradizionali.
Il team di ricerca, guidato dal dottorando Kushal Kedia e dal professore assistente Sanjiban Choudhury, presenterà i suoi risultati al prossimo Congresso Internazionale IEEE sulla Robotica e l’Automazione ad Atlanta. I collaboratori includono Prithwish Dan, Angela Chao e Maximus Pace. Il progetto ha ricevuto supporto da Google, OpenAI, l’Ufficio di Ricerca Navale degli Stati Uniti e la National Science Foundation.
Messaggi simili:
- Robot chirurghi imparano a operare guardando video! Scopri come
- Robot Utilizzano l’IA Gemini di Google per Creare Origami da Istruzioni Semplici
- Robot Umanoidi come Digit e Apollo superano i magazzini Amazon!
- Robot in Ascesa: Lavoratori Perdono Scopo e Autonomia, Cosa Succede Ora?
- Nvidia Svela la Nuova GPU AI Blackwell Ultra B300 e il Futuro Roadmap Vera Rubin
Nicola Costanzo esplora il mondo della tecnologia e dell’innovazione. I suoi articoli illuminano le sfide digitali che plasmano il nostro futuro.