Especialistas del MIT utilizan la inteligencia artificial para enseñar a los robots a empaquetar mejor las cosas en un espacio reducido
Investigadores del Instituto Tecnológico de Massachusetts (MIT) han presentado una metodología avanzada basada en modelos generativos de inteligencia artificial que mejora notablemente el rendimiento de los sistemas robóticos a la hora de manipular objetos en espacios reducidos.
Los investigadores del MIT están utilizando modelos generativos de IA para ayudar a los robots a resolver con eficacia tareas complejas de manipulación de objetos, incluido el empaquetado de diversos objetos. El empaquetado de objetos es una tarea difícil para los robots porque exige satisfacer muchas restricciones, como evitar colisiones y crear estructuras estables.
Los métodos tradicionales para resolver este problema funcionan secuencialmente y pueden llevar mucho tiempo.
Los investigadores del MIT han utilizado un modelo de difusión generativa para resolver este problema de forma más eficiente, lo que implica entrenar modelos que representen distintos tipos de restricciones. Su planteamiento les permite obtener soluciones eficaces más rápidamente y para un mayor número de objetos, teniendo en cuenta todas las restricciones simultáneamente. Este método puede utilizarse para entrenar robots que comprendan y cumplan las restricciones habituales de empaquetado de objetos, lo que es importante en diversos escenarios, desde el trabajo en un almacén para cumplir pedidos hasta la organización de una estantería en casa.
Lo que se demostró en el vídeo
El control de robots multietapa implica muchas restricciones. El método Diffusion-CCSP (que se muestra en el vídeo a continuación) encuentra eficazmente una solución mejorándola mediante la optimización de funciones. En lugar de adivinar, utiliza modelos de difusión para optimizar las restricciones. Este método se entrena en simulaciones y puede manejar problemas con más objetos y restricciones que antes.
Los investigadores tienen previsto estudiar la posibilidad de aplicar este método en situaciones más complejas y para robots que puedan desplazarse por una habitación sin necesidad de reentrenarse con nuevos datos. Este método abre la posibilidad de desarrollar sistemas autónomos más eficientes y fiables en diversas aplicaciones.
Por qué es importante.
Los nuevos métodos desarrollados en el MIT hacen que los robots sean mejores en tareas complejas, como el empaquetado. Con ayuda de la inteligencia artificial, aprenden a evitar problemas y a utilizar el espacio de forma eficiente. Esto es muy importante porque ahora los robots pueden ayudar no sólo en los almacenes, sino también en casa. También podrán realizar tareas más complejas en las que todo a su alrededor cambia constantemente.
Fuente: mit.edu
