Entrenamiento virtual utiliza IA para enseñar a los robots a atravesar terrenos del mundo real

Un equipo de ingenieros y especialistas en robótica del MIT CSAIL, el Instituto de IA e Interacciones Fundamentales, ha desarrollado un enfoque de IA generativa para enseñar a los robots a atravesar terrenos y moverse alrededor de objetos en el mundo real.

Para que los robots puedan navegar en el mundo real en algún momento es necesario enseñarles a aprender sobre la marcha o entrenarlos con vídeos de robots similares en un entorno del mundo real.

Si bien este tipo de entrenamiento ha demostrado ser eficaz en entornos limitados, tiende a fallar cuando un robot se encuentra con algo novedoso.

En este nuevo esfuerzo, el equipo del MIT desarrolló un entrenamiento virtual que se traduce mejor al mundo real.

El trabajo implicó el uso de IA generativa y un simulador de física para permitir que un robot navegue por un mundo virtual como un medio para aprender a operar en el mundo real.

Llamaron al sistema LucidSim y lo usaron para entrenar a un perro robótico en parkour, un deporte en el que los jugadores intentan atravesar obstáculos en territorio desconocido lo más rápido posible.

El enfoque implica primero solicitarle a ChatGPT miles de consultas diseñadas para que el LLM cree descripciones de una amplia gama de entornos, incluido el clima exterior.

A continuación, las descripciones proporcionadas por ChatGPT se envían a un sistema de mapeo 3D que las usa (junto con imágenes generadas por IA y simuladores de física) para generar un video que también proporciona una trayectoria para que el robot la siga.

Luego, se entrena al robot para que se abra paso a través del terreno en el mundo virtual y aprenda habilidades que puede usar en un entorno real.

Los robots entrenados con el sistema aprendieron a trepar cajas, subir escaleras y lidiar con todo lo que encontraron.

Después del entrenamiento virtual, el robot fue probado en el mundo real.

Los investigadores probaron su sistema utilizando un pequeño robot de cuatro patas equipado con una cámara web.

Descubrieron que su rendimiento era mejor que el de un sistema similar entrenado de forma tradicional.

El equipo sugiere que las mejoras en su sistema podrían dar lugar a un nuevo enfoque para el entrenamiento de robots en general.

Fuente: arXiv