[ad_1]
Investigadores de la Universidad de Nueva York han presentado Dobb-E, un marco para entrenar robots móviles para tareas domésticas, lo que permitirá aplicaciones futuras más amplias.
![Crédito de la foto: Shafiullah et al.](https://www.electronicsforu.com/wp-contents/uploads/2023/12/dobb-e-a-framework-to-500x163.jpg)
Durante años, los expertos en robótica han intentado desarrollar robots que puedan realizar tareas domésticas cotidianas como lavar platos o limpiar. A pesar de sus esfuerzos, estos robots aún no han logrado lograr una aceptación comercial generalizada.
Investigadores de la Universidad de Nueva York han presentado Dobb-E, un marco novedoso diseñado para entrenar de manera eficiente a robots móviles para que realicen tareas domésticas, allanando el camino para su aplicación más amplia en el futuro.
El marco Dobb-E consta de cuatro componentes esenciales: una herramienta de recopilación de datos, un modelo previamente entrenado, un conjunto de datos diverso y un esquema de implementación. El componente básico «Stick» agiliza el proceso de recopilación de datos mediante el uso del teléfono inteligente del usuario.
Utilizando la herramienta de recopilación de datos Stick, el equipo reunió un nuevo conjunto de datos para entrenar robots domésticos llamado Homes of New York (HoNY). Este extenso conjunto de datos incluye imágenes de 216 entornos residenciales diferentes en Nueva York, capturados utilizando su configuración basada en teléfonos inteligentes.
A diferencia de los conjuntos de datos anteriores para el entrenamiento de robots, el conjunto de datos HoNY se centra en una gama más amplia de escenas y comportamientos de robots. Además, la herramienta de recolección de palos les permitió recolectar un orden de magnitud más de escenas en comparación con conjuntos de datos anteriores.
El tercer componente integral del sistema Dobb-E incluye un modelo de percepción previamente entrenado. Este modelo se entrenó utilizando el conjunto de datos HoNY mediante un enfoque de aprendizaje autosupervisado.
El equipo realizó una serie de experimentos en entornos domésticos reales para evaluar la eficacia de su herramienta de recopilación de datos, el conjunto de datos HoNY y el modelo de reconocimiento visual previamente entrenado. Durante estos experimentos, implementaron su algoritmo entrenado en Hello Robot Stretch, un robot doméstico móvil versátil con múltiples funciones.
Sorprendentemente, entrenaron al robot para realizar 109 tareas domésticas diferentes. Para cada tarea, los investigadores refinaron su modelo incluyendo un promedio de cinco minutos de nuevos datos de video.
Esta investigación actual tiene el potencial de avanzar en el desarrollo de sistemas robóticos domésticos más sofisticados. El equipo ha puesto a disposición del público su herramienta de recopilación de datos, su conjunto de datos y su modelo previamente entrenado para que otros equipos de investigación puedan utilizarlos o modificarlos en sus investigaciones.
Referencia: Nur Muhammad Mahi Shafiullah et al., Sobre traer robots a casa, arXiv (2023). DOI: 10.48550/arxiv.2311.16098
[ad_2]