Pinza portatile addestra robot senza robot nei test di laboratorio

Un operatore tiene in mano una pinza portatile, esegue un compito, e nella stanza non si muove alcun braccio robotico. Le telecamere registrano esattamente ciò che vedrebbe un robot. È questo il cuore di HIL-UMI, un nuovo metodo di un team guidato da Hao Dong all'Università di Pechino, in collaborazione con il produttore shanghaiese di robot personali PrimeBot. Il metodo raccoglie i dati di correzione usati per migliorare i modelli vision-language-action, i sistemi di IA che trasformano immagini dalle telecamere e istruzioni in movimenti robotici, senza che alcun robot partecipi alla fase di raccolta.

Addestrare un modello del genere significa di solito lasciare che un robot esegua il compito e sbagli. Nell'approccio classico, il DAgger con controllo umano, o HG-DAgger, un operatore osserva il robot mentre esegue un compito, interviene quando sta per fallire e poi ripristina la scena. Il ciclo è preciso, ma lento: la maggior parte del tempo va a movimenti robotici goffi e ripristini manuali, non ai fotogrammi che insegnano davvero qualcosa al modello.

HIL-UMI mantiene l'essere umano nel ciclo e cambia il luogo in cui il ciclo si svolge. L'operatore lavora con una pinza portatile Universal Manipulation Interface, mentre la policy attuale prevede le azioni future sullo stesso flusso video, senza controllare nulla. Quando un Energy Score mostra che le azioni previste dalla policy si discostano dalla traiettoria dell'operatore, il sistema chiede dimostrazioni aggiuntive su quel segmento. Un secondo ciclo addestra uno stimatore basato sull'avanzamento, che premia le azioni che fanno progredire il compito invece dei movimenti inutili, e la policy viene aggiornata dopo ogni round, così le sessioni successive segnalano casi più difficili invece di quelli facili. Su quattro compiti reali con robot, piegare un asciugamano, pulire un tavolo, impilare blocchi e timbrare, il team riporta un punteggio medio di avanzamento di 94,8 per HIL-UMI contro 58,0 per il semplice fine-tuning supervisionato con lo stesso budget di fotogrammi, con punteggi perfetti nei due compiti di precisione. Nel lungo compito di pulizia del tavolo, gli autori citano 73,40 millisecondi per fotogramma utile contro 412,99 millisecondi per HG-DAgger, cioè circa 5,63 volte l'efficienza di raccolta. Si tratta di risultati degli stessi autori, e nessun gruppo indipendente li ha ancora verificati.

Per chi costruisce robot, il cambiamento pratico riguarda chi può raccogliere i dati e dove. Secondo gli autori, separare la correzione consapevole della policy dal dispiegamento del robot permetterebbe a più operatori di raccogliere dati di post-addestramento in più luoghi, senza dover tenere in laboratorio una fattoria di robot. Questa promessa vale solo se i risultati si riproducono fuori dall'ambiente degli autori. L'articolo non indica una data per un uso più ampio e non dice quanto costi la configurazione con la pinza portatile rispetto a una cella robotica.