Innovador marco para la enseñanza de robots
Dobb·E es un marco de código abierto diseñado para enseñar a los robots tareas domésticas mediante el aprendizaje por imitación. Este sistema aborda las limitaciones de la robótica doméstica actual al ofrecer una solución económica y ergonómica para la recolección de demostraciones. Utiliza una herramienta denominada Stick, construida con un alcance de $25, partes impresas en 3D y un iPhone, para recopilar datos de un conjunto de datos conocido como Homes of New York (HoNY), que incluye 13 horas de interacciones en 22 hogares de Nueva York.
Con la información recopilada, Dobb·E entrena un modelo de aprendizaje de representación llamado Home Pretrained Representations (HPR), que se basa en la arquitectura ResNet-34. Este modelo permite a los robots realizar nuevas tareas en entornos novedosos, logrando un 81% de tasa de éxito en la resolución de tareas en 15 minutos, tras solo cinco minutos de datos recopilados. Dobb·E ofrece acceso a modelos preentrenados, código y documentación a través de GitHub, además de un artículo de acceso abierto que detalla la metodología y resultados.
