Apple Machine Learning Research presentó MoMo, un sistema de aprendizaje de dos etapas para la manipulación robótica basado en demostraciones. Combina un tokenizador de acciones espaciotemporal y un transformador de clonación de comportamiento.
El sistema recibe una tarea y una condición continua del modo de movimiento. Según la intención de los autores, esto debería permitir al robot cambiar la forma en que despliega una acción considerando la tarea, el objeto y las condiciones de interacción, manteniendo al mismo tiempo un factor de comportamiento común entre diferentes tareas.
La relevancia práctica de la idea aún no está confirmada por métricas o resultados experimentales publicados en la descripción original. La fuente contiene únicamente un sinopsis del trabajo, por lo que la magnitud de las mejoras, los requisitos de datos y la robustez del método siguen siendo preguntas abiertas.
comentario editorial
Por qué importa
Consecuencia probable: el interés de la investigación se desplazará hacia la gestión no solo del resultado, sino también de la manera en que los robots ejecutan las acciones. La siguiente señal observable serán las métricas publicadas, la descripción de los experimentos o reproducciones independientes. Existe una incertidumbre significativa relacionada con el hecho de que actualmente solo está disponible un sinopsis sin datos sobre la calidad del método.