Los investigadores del MIT han desarrollado un nuevo modelo de entrenamiento de robots, Transformador pre-entrenado heterogéneo (HPT), diseñado para superar el problema de que el aprendizaje tradicional de imitación es propenso al fracaso frente a los cambios ambientales y los nuevos desafíos. Este modelo integra datos de diferentes sensores y entornos y utiliza una potente arquitectura de transformador para el entrenamiento, mejorando así la adaptabilidad del robot en una variedad de situaciones complejas. El equipo de investigación espera lograr un progreso innovador en las estrategias de robots a través de este método, al igual que los modelos de idiomas grandes, para dar a los robots un aprendizaje y una adaptabilidad más fuertes.
El equipo de investigación del MIT entrena a los robots utilizando arquitecturas de transformadores para mejorar su adaptabilidad mediante la integración de diferentes sensores y datos ambientales. Los usuarios pueden personalizar el diseño, la configuración y las tareas del robot, y el modelo estará capacitado en función de la entrada. Financiado en parte por el Toyota Research Institute, la investigación demuestra su continua inversión en aprendizaje robótico y su asociación con Boston Dynamics. Los investigadores creen que a medida que se expande la escala del modelo, se logrará un gran avance en la estrategia robótica, al igual que el éxito de los modelos de idiomas grandes. Aunque todavía está en sus primeras etapas, el equipo de investigación confía en el futuro y está comprometido a desarrollar un cerebro robótico universal para facilitar el uso y la implementación.
Los usuarios pueden ingresar el diseño del robot, la configuración y lo que quieren hacer, y luego entrenar el robot con el nuevo modelo. Los investigadores dicen que este enfoque puede permitir avances en estrategias robóticas, al igual que los grandes modelos de idiomas.
Parte de la financiación de este estudio fue del Toyota Research Institute. El año pasado, el Toyota Research Institute demostró un método de capacitación de robots durante la noche en TechCrunch Disrupt. Recientemente, la compañía alcanzó una asociación histórica que combinará su investigación de aprendizaje robótico con Boston Dynamics Hardware.
"Nuestro sueño es tener un cerebro robótico universal que pueda descargar y usar sin ningún entrenamiento", dijo David Held, profesor asociado en la Universidad Carnegie Mellon. modelos de idiomas ".
Esta investigación marca un progreso importante en el campo de la capacitación en robots, sentar las bases para construir robots más inteligentes y más adaptables en el futuro, y anunciar un nuevo avance en tecnología de robótica. A través de esfuerzos e innovación continuos, creemos que los robots podrán servir mejor a los humanos en el futuro.