Investigadores han desarrollado una serie de modelos de inteligencia artificial que permiten a los robots realizar tareas básicas en entornos desconocidos sin necesidad de un entrenamiento adicional. Estos modelos, llamados modelos de utilidad robótica, permiten que los robots completen cinco tareas específicas: abrir puertas y cajones, recoger pañuelos, bolsas y objetos cilíndricos, con una tasa de éxito del noventa por ciento.
El equipo, compuesto por investigadores de la Universidad de Nueva York, Meta y la empresa de robótica Hello Robot, busca facilitar y abaratar la implementación de robots en el hogar. Tradicionalmente, enseñar nuevas habilidades a los robots requiere grandes cantidades de datos, lo cual es difícil y costoso de recolectar, ya que los datos deben ser capturados físicamente en cada nuevo entorno.
Para superar esta barrera, los investigadores desarrollaron una herramienta simple: un iPhone montado en un bastón de agarre económico, con el que grabaron mil demostraciones en cuarenta entornos diferentes, incluyendo hogares en Nueva York y Jersey City. A partir de estos datos, entrenaron los algoritmos que dieron lugar a los cinco modelos de utilidad robótica.
Estos modelos fueron probados en el robot Stretch, que tiene una cámara en su cabeza y otra en su brazo retráctil. Inicialmente, el robot logró una tasa de éxito del setenta y cuatro por ciento, pero al incorporar imágenes de las cámaras y utilizarlas con el modelo GPT-4o de OpenAI, el éxito aumentó al noventa por ciento al permitir que el modelo evaluara si la tarea se completó correctamente y reiniciara el proceso en caso de error.
La capacidad de evaluar a los robots en entornos reales, como casas y cocinas, representa un gran avance, ya que uno de los mayores desafíos en robótica es que los entornos de laboratorio no reflejan siempre la realidad. Este enfoque podría servir como modelo para el desarrollo de otras capacidades robóticas, facilitando el despliegue de robots en hogares sin necesidad de formación especializada en robótica.
