Y los investigadores del Instituto de Investigación Toyota, la Universidad de Columbia y el . han podido enseñar rápidamente a los robots a realizar muchas tareas nuevas con la ayuda de una técnica de aprendizaje de IA llamada aprendizaje por imitación, además de IA generativa. Creen haber encontrado una manera de extender la tecnología que impulsa la IA generativa desde el ámbito del texto, las imágenes y los vídeos al dominio de los movimientos de los robots.
Muchos otros también han aprovechado la IA generativa. Covariant, una startup de robótica que surgió de la ahora cerrada unidad de investigación de robótica de OpenAI, ha construido un modelo multimodal llamado RFM-1. Puede aceptar indicaciones en forma de texto, imagen, vídeo, instrucciones del robot o medidas. La IA generativa permite que el robot comprenda instrucciones y genere imágenes o videos relacionados con esas tareas.
3. Más datos permiten a los robots aprender más habilidades
El poder de los grandes modelos de IA, como el GPT-4, reside en las montones y montones de datos extraídos de Internet. Pero eso realmente no funciona para los robots, que necesitan datos recopilados específicamente para robots. Necesitan demostraciones físicas de cómo se abren las lavadoras y los frigoríficos, cómo se recogen los platos o se dobla la ropa. En este momento, esos datos son muy escasos y a los humanos les lleva mucho tiempo recopilarlos.
Una nueva iniciativa iniciada por Google DeepMind, llamada Open X-Embodiment Collaboration, tiene como objetivo cambiar eso. El año pasado, la empresa se asoció con 34 laboratorios de investigación y alrededor de 150 investigadores para recopilar datos de 22 robots diferentes, incluido Hello Robot’s Stretch. El conjunto de datos resultante, que se publicó en octubre de 2023, consta de robots que demuestran 527 habilidades, como recoger, empujar y moverse.
Los primeros signos muestran que una mayor cantidad de datos está dando lugar a robots más inteligentes. Los investigadores construyeron dos versiones de un modelo para robots, llamado RT-X, que podían ejecutarse localmente en las computadoras de los laboratorios individuales o acceder a través de la web. El modelo más grande, accesible desde la web, fue entrenado previamente con datos de Internet para desarrollar un “sentido común visual”, o una comprensión básica del mundo, a partir de los grandes modelos de lenguaje e imagen. Cuando los investigadores ejecutaron el modelo RT-X en muchos robots diferentes, descubrieron que los robots podían aprender habilidades con un 50% más de éxito que en los sistemas que cada laboratorio estaba desarrollando.
Lea más en mi historia aquí.
Aprendizaje más profundo
La IA generativa puede convertir tus recuerdos más preciados en fotografías que nunca existieron
María creció en Barcelona, España, en la década de 1940. Sus primeros recuerdos de su padre son vívidos. Cuando tenía seis años, María visitaba el departamento de un vecino en su edificio cuando quería verlo. Desde allí, podía mirar a través de las rejas de un balcón hacia la prisión de abajo e intentar verlo a través de la pequeña ventana de su celda, donde estuvo encerrado por oponerse a la dictadura de Francisco Franco. No hay ninguna foto de María en ese balcón. Pero ahora puede sostener algo parecido: una foto falsa o una reconstrucción basada en la memoria.