Queridos colegas e amigos,
Um querido colega compartilha conosco hoje este artigo escrito por Ingrid Fadelli, lançado em 15 de junho de 2024 por Tech Xplore e traduzido por nós para este espaço. Vamos ver do que se trata...
O desempenho das ferramentas de inteligência artificial (IA), incluindo grandes modelos computacionais para processamento de linguagem natural (PNL) e algoritmos de visão computacional, melhorou rapidamente nas últimas décadas. Uma razão para isso é que os conjuntos de dados para treinar esses algoritmos cresceram exponencialmente, coletando centenas de milhares de imagens e textos, muitas vezes obtidos diretamente da Internet.
Os dados de treinamento para algoritmos de planejamento e controle de robôs, por outro lado, ainda são muito menos abundantes, em parte porque adquiri-los não é tão simples. Portanto, alguns cientistas da computação estão tentando criar plataformas e conjuntos de dados maiores que possam ser usados para treinar modelos computacionais para uma ampla gama de aplicações robóticas.
Em um artigo recente, pré-publicado no servidor arXiv e que será apresentado na conferência Robótica: Ciência e Sistemas 2024, pesquisadores da Universidade do Texas em Austin e Pesquisa da NVIDIA eles apresentaram uma dessas plataformas, chamada RoboHouse.
O RoboCasa é uma estrutura de simulação em grande escala que pode ser usada para treinar robôs generalistas para concluir várias tarefas em ambientes cotidianos.
“O progresso recente na IA foi amplamente impulsionado pelo treinamento de grandes modelos em grandes fontes de dados”
Yuke Zhu, principal autor do artigo, disse ao Tech Xplore.
“Inspirados por esses avanços, buscamos desenvolver modelos básicos para robôs geralmente capazes que possam realizar uma variedade de tarefas diárias. A RoboCasa foi projetada para fornecer os dados de simulação de alta qualidade necessários para treinar esses modelos robóticos básicos.”
O principal objetivo do trabalho recente de Zhu, Soroush Nasiriany, Abhiram Maddukuri, Lance Zhang, Adeet Parikh, Aaron Lo, Abhishek Joshi e Ajay Mandlekar era desenvolver uma nova plataforma de simulação de código aberto que facilitaria o treinamento de algoritmos robóticos.
Seus esforços acabaram levando ao desenvolvimento do RoboCasa, que é uma extensão do RoboSuite, uma estrutura de simulação que eles introduziram há alguns anos. O RoboSuite serve como a infraestrutura de simulação que a equipe usou para criar os ambientes simulados da RoboCasa.
“Usamos ferramentas generativas de IA para criar diversos objetos, cenas e tarefas”, explicou Zhu. “Essas ferramentas de IA melhoraram significativamente a diversidade e o realismo do mundo simulado. Além disso, a RoboCasa suporta várias plataformas de hardware de robôs e fornece grandes conjuntos de dados com mais de 100.000 trajetórias para treinamento de modelos.”
A plataforma RoboCasa inclui milhares de cenas 3D contendo mais de 150 tipos diferentes de objetos do cotidiano e dezenas de móveis e eletrodomésticos. A RoboCasa apresenta simulações altamente realistas, que foram enriquecidas com ferramentas generativas de inteligência artificial.
Zhu e seus colegas projetaram 100 tarefas nas quais algoritmos robóticos podem ser treinados e compilaram demonstrações humanas de alta qualidade para essas tarefas. Sua plataforma também inclui métodos para gerar trajetórias e movimentos eficazes que permitiriam que os robôs completassem.
“Duas descobertas importantes foram as que mais me entusiasmaram”, disse Zhu. “Primeiro, demonstramos uma tendência de escalabilidade: à medida que aumentávamos o tamanho dos conjuntos de dados de treinamento (gerados por máquinas), o desempenho do modelo crescia constantemente. Em segundo lugar, ao combinar os dados da simulação com os dados do mundo real, descobrimos que o conjunto de dados aumentado melhorou o desempenho do robô em tarefas do mundo real.”
