Instituto de Pesquisa da Toyota afirma ter alcançado um avanço ao ensinar novos comportamentos a robôs

• O Toyota Research Institute (TRI) anunciou um avanço no ensino de novas habilidades a robôs usando uma abordagem de IA generativa baseada em Diffusion Policy.
• Essa nova abordagem melhora significativamente a utilidade dos robôs e representa mais um passo na direção de construir para eles "Large Behavior Models (LBMs)", semelhantes aos Large Language Models (LLMs) que revolucionaram a IA conversacional.
• Como essa nova técnica de treinamento gera comportamentos eficientes e de alto desempenho, os robôs podem apoiar as pessoas com mais eficácia.
• As técnicas anteriores de treinamento de robôs eram lentas, inconsistentes e ineficientes, e a maioria se limitava a tarefas de escopo restrito executadas em ambientes muito limitados.
• Usando a nova abordagem, o TRI ensinou aos robôs mais de 60 habilidades difíceis e que exigem destreza, como servir líquidos, usar ferramentas e manipular objetos deformáveis.
• O TRI tem como meta ensinar centenas de novas habilidades até o fim deste ano e 1.000 até o fim de 2024.
• Os robôs do TRI agora podem interagir com o mundo de maneiras diversas e ricas, o que um dia poderá permitir que robôs apoiem pessoas em situações cotidianas e em ambientes imprevisíveis e em constante mudança.
• O modelo de comportamento robótico do TRI combina demonstrações táteis do instrutor com descrições em linguagem natural sobre o objetivo, e usa a Diffusion Policy baseada em IA para aprender a habilidade demonstrada.
• O TRI desenvolveu a Diffusion Policy em colaboração com o grupo do professor Song, da Columbia University, como uma poderosa abordagem de IA generativa para o aprendizado de comportamentos.
• A plataforma robótica do TRI foi construída sob medida para tarefas de manipulação bimanual com destreza, permitindo feedback háptico e percepção tátil.
• O TRI usa o Drake, um projeto baseado em modelos para design de robôs, que fornece um conjunto de ferramentas de ponta e uma plataforma de simulação para ampliar e acelerar ainda mais o desenvolvimento em simulação e no mundo real.
• A segurança é central nos esforços de desenvolvimento robótico do TRI, e o sistema inclui proteções robustas projetadas para respeitar garantias de segurança, como evitar que o robô colida consigo mesmo ou com o ambiente.
• Informações mais técnicas sobre esse avanço do TRI podem ser encontradas no blog da empresa no Medium, e o tema será discutido em uma sessão de perguntas e respostas ao vivo no LinkedIn em 4 de outubro.

[GN⁺]

Comentários do Hacker News

• O Toyota Research Institute (TRI) vem recebendo elogios por ter alcançado avanços no ensino de novos comportamentos para robôs.
• O ponto central desse avanço foi a Diffusion Policy, desenvolvida no laboratório da professora Shuran Song, da Universidade Columbia, atualmente na Universidade Stanford.
• A Diffusion Policy conquistou popularidade na comunidade a ponto de ser considerada candidata ao prêmio de melhor artigo na conferência R:SS deste ano.
• A professora Song é reconhecida como uma das líderes em robótica, com várias abordagens que podem ser ampliadas para aplicações no mundo real.
• O curso online de Russ Tedrake, Underactuated Robotics, é recomendado para entender a complexidade da robótica.
• O Google também está conduzindo um projeto semelhante, com foco em feedback de força e sensores de pressão.
• O vídeo do robô da Toyota Research virando panquecas, mostrando robôs aprendendo por demonstração, é avaliado como impressionante.
• Alguns usuários comparam o trabalho do TRI ao projeto PaLM-E, do Google, mostrando como este é um momento empolgante para a robótica.
• Robôs humanoides de propósito geral podem ser viabilizados ao combinar tecnologia de captura de movimento com algoritmos de aprendizado de máquina.
• Alguns usuários questionam a praticidade de acumular dois cargos de dedicação integral ao mesmo tempo, como no caso de um professor do MIT que também atua como vice-presidente do TRI.
• Há preocupações sobre os riscos potenciais de usar gen-AI na robótica, já que movimentos inesperados podem causar danos ou ferimentos.