Trabajan en robots que aprendan como los humanos

Utilizando una gran cantidad de datos, el modelo puede aprender mediante la observación.

Los modelos modernos de IA suelen entrenarse con datos preexistentes, como texto, imágenes y videos, y se desarrollan mediante una combinación de algoritmos de aprendizaje progresivo.

Pero es también esta base la que puede generar inconsistencias entre el producto final generado por la IA y la realidad física que intenta imitar.

Para intentar superar ese desafío, Covariant, una filial de OpenAI, ha creado un modelo de base de robótica (RFM-1) que aprende a través de datos en línea existentes, así como mediante la observación de situaciones que se desarrollan en el mundo físico.

En un comunicado de prensa, Covariant afirma que el modelo “proporciona a los robots la capacidad de razonar similar a la humana, lo que representa la primera vez que la IA generativa ha brindado con éxito a los robots comerciales una comprensión más profunda del lenguaje y el mundo físico“.

Aquí, lo que se entiende por “capacidad de razonar similar a la humana” es la capacidad de RFM-1 para hacer predicciones de resultados basadas en la información recopilada del entorno IRL del modelo.

Por ejemplo, cuando a un robot se le asigna una tarea, el modelo genera una imagen de cómo se vería dicha tarea una vez completada.

La predicción ayuda a determinar si el robot encontrará algún obstáculo en su rendimiento y le permite pedir soluciones a su prompter.

Usando un lenguaje simple, la persona que dirige al robot puede ofrecer soluciones para ayudar a completar la tarea a través de una conversación escrita.

Hasta ahora, RFM-1 solo se ha utilizado en un laboratorio, pero Covariant tiene la intención de lanzarlo pronto a clientes industriales que utilizan IA para el trabajo, como instalaciones de producción y distribución.

Fuente: Mashable