ALOHA Unleashed: piegare vestiti e caricare la lavastoviglie con policy diffusive
In una frase DeepMind dimostra generalizzazione zero-shot di policy diffusive su oggetti deformabili come vestiti e stoviglie, task dove i robot fallivano sistematicamente fino ad oggi.
Piegare una maglietta o caricare la lavastoviglie: task banali per un umano, ma storicamente impossibili per i robot. Il problema è che i vestiti e i piatti sono oggetti deformabili o di forma variabile — il robot non può prevedere dove saranno dopo averli toccati, e ogni tentativo può portare a una configurazione diversa.
ALOHA Unleashed di DeepMind usa policy diffusive (lo stesso tipo di modello usato per generare immagini AI) per prevedere non una sola traiettoria ma una distribuzione di traiettorie possibili, scegliendo quella più adatta alla configurazione corrente dell'oggetto.
Il risultato più sorprendente è la generalizzazione zero-shot: il robot riesce a gestire vestiti e configurazioni di stoviglie mai viste durante il training.
Aziende
Google DeepMind
Tool
ALOHA Unleashed, Diffusion Policy, ALOHA 2
Tag
Fonti