NVIDIA presenta GR00T 2, su nueva IA para que los robots aprendan tareas con pocas demostraciones humanas

NVIDIA no pasa por su mejor momento, ya que el actual CEO Jensen Huang puede ser despedido en los próximos días. A pesar de esta situación de crisis, NVIDIA sigue su agenda y ha presentado dos grandes novedades en cuanto a robótica, el pasado 9 de noviembre dio a conocer NVIDIA GR00T 2 y NVIDIA Isaac Lab 3.0. El objetivo es seguir avanzando en la IA física que dará vida a los robots para interactuar de mejor forma y más eficiente con el mundo real.

NVIDIA amplía sus tecnologías de robótica con GR00T 2, Isaac Lab-Arena y AlphaNIST

Junto a estas dos novedades, NVIDIA también ha presentado Isaac Lab-Arena, que es un entorno de evaluación para comprobar el comportamiento de los robots en diferentes condiciones y situaciones reales. También AlphaNIST, un proyecto que pone a prueba la capacidad de aprender múltiples tareas para la manipulación con mayor precisión. Una clara orientación a los robots industriales de tipo humanoide, junto a otros sistemas de manipulación robótica como brazos articulados.

El aprendizaje robótico ha evolucionado con NVIDIA GR00T 2, un modelo de acción del mundo que amplía sus funciones más allá del reconocimiento de objetos o la interpretación de imágenes. GR00T 2 intenta comprender cómo sus propias acciones pueden modificar el entorno en el que se desenvuelve.

Una de las características más destacables de GR00T 2 es capaz de utilizar vídeos de personas humanas para el entrenamiento de los robots. El entrenamiento se ha realizado utilizando 100.000 horas de grabaciones humanas, con vídeos en primera persona, como los que habíamos comentado hace unos días. Las grabaciones permiten al modelo conocer y entrenar cómo las personas realizan estas manipulaciones o tareas, permitiendo acelerar un proceso que habitualmente suele ser más lento y tedioso sin esta ayuda.

La evolución de GR00T 2 incluye una tasa de éxito del 71 % en las tareas realizadas con solo una demostración, con cinco demostraciones sube hasta el 95 % y es capaz de completar 40 de 50 tareas sin ninguna demostración. Unas cifras que demuestran la capacidad de adaptarse a nuevas tareas con poco entrenamiento específico. También se pueden transferir estas habilidades entre los diferentes robots, con uno que aprenda, aprenden todos.

Isaac Lab 3.0 incorpora Newton y acelera el entrenamiento robótico hasta 2,5 veces

Para que puedas comprobar el funcionamiento de los robots de forma segura, antes de dejarlos en un mundo real, NVIDIA presenta Isaac Lab 3.0. La actualización de su plataforma de código abierto incluye compatibilidad con dos motores de física, NVIDIA PhysX o Newton de código abierto y para simular interacciones complejas.

Isaac Lab 3.0 permite acelerar el entrenamiento hasta 2,5 veces, reduciendo el tiempo que necesitan los robots que habitualmente es largo y complicado.

AlphaNIST permite aprender múltiples tareas de precisión con un único sistema de control

AlphaNIST es otro de los apartados interesantes en esta presentación, con este proyecto liderado por la Universidad de Washington y NVIDIA. El objetivo es que un único sistema de control aprenda diferentes tareas de manipulación, que han demostrado a través de un tablero de ensamblaje con pequeñas piezas que deben encajarse correctamente. Las piezas representaban diferentes tamaños, desde solo unos milímetros hasta algunas más grandes, que permiten demostrar la destreza independientemente del tamaño.

Con AlphaNIST se eliminará la necesidad de usar un modelo diferente para cada entrenamiento, utilizando este para aprender diferentes tareas.

Los resultados han ofrecido más de un 98 % de tasa de éxito con el entrenamiento de AlphaNIST en comparación con el 81 % de otros programas independientes. Esto supone una importante reducción en el tiempo de entrenamiento y de GPU necesarias para esto.

Para conseguir estas cifras, el proyecto ha empleado la técnica denominada muestreo guiado por éxito, centrándose en las tareas que el robot puede terminar sin dominar por completo. Una técnica que dedica mayor capacidad de entrenamiento a las acciones que menos tasa de éxito tienen, evitando malgastar recursos en otras tareas que el robot ya es capaz de realizar.

Isaac Lab-Arena evalúa el comportamiento de los robots antes de utilizarlos en el mundo real

Con Isaac Lab-Arena NVIDIA quiere saber si tu robot está preparado para el mundo real, midiendo cómo se comportan los sistemas de control en situaciones de cambio de trabajo. El entorno permite ejecutar miles de variantes para comprobar las capacidades reales del robot de situarse en un mundo real para comenzar sus funciones.

Soluciones que avanzan y mejoran las capacidades de los robots, que cada vez son más capaces de cara a enfrentarse a las habituales tareas del mundo real.

Fin del Artículo. ¡Cuéntanos algo en los Comentarios!