A Apple Machine Learning Research apresentou o MoMo, um sistema de duas etapas para treinar robôs em manipulação por meio de demonstrações. Ele combina um tokenizador de ações espaço-temporal e um transformador de clonagem comportamental.
O sistema recebe uma tarefa e uma condição contínua de modo de movimento. Segundo a concepção dos autores, isso deve permitir que o robô altere a maneira como executa uma ação, considerando a tarefa, o objeto e as condições de interação, mantendo um fator comportamental geral entre diferentes tarefas.
A relevância prática da ideia ainda não foi confirmada por métricas ou resultados experimentais publicados na descrição original. A fonte contém apenas um sinopse do trabalho, portanto, a escala das melhorias, os requisitos de dados e a robustez do método permanecem como questões em aberto.
comentário editorial
Por que importa
Consequência provável: o interesse da pesquisa mudará para o gerenciamento não apenas do resultado, mas também da maneira como os robôs executam as ações. O próximo sinal observável serão métricas publicadas, descrições de experimentos ou reproduções independentes. Uma incerteza significativa relaciona-se ao fato de que atualmente está disponível apenas um sinopse sem dados sobre a qualidade do método.