Un modelo del mundo para robots predice el tacto y los resultados de tareas
En palabras sencillas
Un controlador de robot necesita una vista previa útil de lo que pasará cuando el robot se mueva, sobre todo cuando su pinza toca o desplaza un objeto. PhysCanvas es un modelo que imagina lo que observarían las cámaras y los sensores táctiles después de cada acción del robot, y usa esas interacciones imaginadas para evaluar o entrenar controladores.
En cuatro tareas robóticas, añadir orientación sobre el resultado de la tarea hizo que las tasas de éxito imaginadas concordaran más con los resultados reales. Entrenar un controlador evaluado mediante interacciones imaginadas también elevó su éxito promedio en el mundo real, aunque los resultados variaron según la tarea.
La investigación
Cuando un robot practica o se evalúa en un mundo imaginado, ¿cómo podemos saber si las predicciones sobre el contacto y el resultado de la tarea sirven de guía para lo que ocurrirá con el robot real?
PhysCanvas aborda esta cuestión vinculando las predicciones de vistas de cámara, tacto y resultados de tareas con las acciones del robot.
PhysCanvas predice observaciones de cámara, tacto y resultados de tareas a partir de las acciones del robot, y usa interacciones imaginadas para evaluar y entrenar controladores robóticos.
PhysCanvas predice observaciones de cámara, tacto y tareas después de las acciones del robot. Para evaluar si los resultados imaginados son útiles, los autores compararon las tasas de éxito de ejecuciones de controladores en el modelo con los resultados de robots reales en cuatro tareas.
Añadir supervisión del estado de la tarea elevó la correlación media por tarea de 0.602 a 0.885. Los autores informan que las medidas de reconstrucción de imágenes cambiaron en direcciones distintas, lo que respalda su interpretación de que la mejora refleja un mejor modelado de los resultados de las tareas.
Por separado, el entrenamiento GRPO con interacciones imaginadas elevó la media de éxito de pi0.5 en el mundo real, con el mismo peso para cada tarea, de 59.1% a 70.8% con M4.
Estos resultados abarcan cuatro tareas de manipulación en el mundo real y las familias de políticas evaluadas. Las mejoras promedio no significan que todas las tareas mejoraran: por ejemplo, la tasa de éxito de pi0.5 con botellas fue menor con M4 que con M1, y FM se mantuvo en cero en dos tareas.
Análisis
Detalles
- Autores del paper original
- Zebin Xing, Yuhang Zheng, Yupeng Zheng, Yichen Zhang, Zichen Li
- Enviado a arXiv
- Licencia
- arXiv non-exclusive