Dobb·E es un marco de código abierto para enseñar a robots domésticos a manipular objetos cotidianos usando aprendizaje por imitación en unos 20 minutos. Está orientado a apartamentos reales y rutinas del hogar, en lugar de entornos de laboratorio controlados, y reporta una sólida tasa promedio de éxito en tareas.
Cómo funciona
Dobb·E recopila demostraciones humanas con una herramienta física sencilla llamada Stick. Estas demostraciones se usan para construir el conjunto de datos Homes of New York (HoNY), diseñado para capturar la variedad de entornos domésticos reales. Luego, el proyecto entrena Home Pretrained Representations (HPR) para ayudar a los robots a formar representaciones del entorno más informadas.
Entrenamiento rápido para nuevas tareas
Tras el preentrenamiento, Dobb·E necesita aproximadamente cinco minutos de datos nuevos en un hogar desconocido para una nueva tarea. Unos quince minutos después, produce una política de control robótico que alcanza alrededor de un 81% de éxito promedio.
Para quién es
Investigadores de robótica que trabajan en manipulación en el mundo real
Desarrolladores que usan aprendizaje por imitación y aprendizaje por refuerzo
Cualquier persona que estudie aplicaciones de IA en robótica doméstica
