Investigadores del MIT presentan RialTo, un nuevo e innovador sistema para mejorar las políticas de aprendizaje por imitación en el mundo real para robots domésticos mediante aprendizaje por refuerzo en entornos de simulación de “gemelos digitales” construidos sobre la marcha a partir de pequeñas cantidades de datos del mundo real.
El proceso de simulación a real aprovecha la interfaz fácil de usar del iPhone para escanear y construir rápidamente gemelos digitales de entornos del mundo real.
Los investigadores utilizaron un novedoso procedimiento de “destilación inversa” para llevar demostraciones del mundo real a entornos simulados para un ajuste fino eficiente, con una intervención humana y una ingeniería mínimas requeridas.
“Evaluamos RialTo en una variedad de problemas de manipulación robótica en el mundo real, como apilar platos de manera robusta en una rejilla, colocar libros en un estante y otras cuatro tareas.
RialTo aumenta (más del 67 %) la solidez de las políticas sin requerir una extensa recopilación de datos humanos“, dijeron los investigadores.
Fuente: GitHub