L’addestramento tattile migliora il controllo robotico con e senza tatto

Quando un robot manipola un oggetto, le immagini potrebbero non mostrare chiaramente dove la mano lo tocca o se sta scivolando. Il tatto può aiutare il robot a imparare rappresentazioni visive migliori, così che il vantaggio resti anche quando in seguito agisce senza informazioni tattili?

Spark-0 usa il tatto per guidare l’apprendimento visivo e, quando è disponibile, per condizionare le azioni; lo stesso modello può essere usato con o senza tatto.

Il tatto può insegnare a un robot a capire meglio le immagini, anche quando in seguito deve agire senza informazioni tattili?

Spark-0 usa mappe dei contatti e caratteristiche geometriche per guidare l’apprendimento visivo durante l’addestramento, mentre un percorso separato può fornire il tatto rilevato in tempo reale al generatore di azioni.

Nel test Ego Humanoid, che misura il completamento delle attività in quattro scenari visivi e temporali, il modello addestrato con 1,000 ore di dati tattili ha ottenuto un successo medio del 71.72% quando è stato valutato senza tatto, contro il 52.45% della variante di preaddestramento basata solo sulla vista.

I dati RGB, la potenza di calcolo e il budget di addestramento successivo condivisi costituiscono una prova a sostegno di un contributo del preaddestramento tattile.

I confronti riguardano specifiche attività robotiche e configurazioni di addestramento. Il risultato su Ego Humanoid non chiarisce perché il tatto sia utile, e nessuna delle due valutazioni stabilisce le prestazioni su attività o robot diversi da quelli testati.