Tras los Juegos de Robots, Zibianliang construye un «campo de entrenamiento virtual» para máquinas

Llevo una semana con la pantalla llena de robots.

Los robots han batido el récord humano de los 100 metros lisos, han «despegado» casi tres metros en el sitio, la postura de su «carrera tímida» se ha vuelto viral en el extranjero, y el ciber-Zhang Sanfeng ha ejecutado un giro externo de 540° en el aire…

Los Juegos Mundiales de Robots Humanoides de este año han sido aún más animados. Con 666 equipos de 16 países de seis continentes, llevaron 2056 robots a Pekín. Las competiciones pasaron de disciplinas como atletismo y artes marciales a escenarios reales como hogares, hoteles, industria y rescate de emergencia. Sin embargo, cuando los robots fallan en la arena, la gente simplemente se ríe. Pero cuando los robots entren realmente en los hogares, podrían derribar vasos de agua, chocar contra muebles o tirar al suelo la ropa recién doblada, y ahí ya no habrá risas. En el mundo real no hay pistas fijas ni atrezzo colocado de manera uniforme. Si un vaso se mueve un poco o hay un trapo de más en la mesa, las acciones entrenadas originalmente pueden fallar. Trasladar estos ensayos y errores de los robots al mundo virtual es precisamente lo que los modelos mundiales actuales intentan hacer. Tratan de recrear un entorno que cumpla las leyes de la física, permitiendo a los robots ensayar antes de actuar: si la mano se desvía un poco a la izquierda, ¿fallará el agarre? Si la pinza se cierra antes de tiempo, ¿tirará el vaso? Pero en realidad, muchos modelos mundiales no logran realizar «pruebas virtuales» fiables. Pueden entender la imagen, pero no obedecen verdaderamente las acciones. A medida que el tiempo de simulación se alarga, los objetos y sus posiciones empiezan a derivar. Las estrategias que funcionan mejor en el mundo virtual no siempre son eficaces en máquinas reales. Justo cuando los robots empiezan a pasar de la arena competitiva a escenarios reales, Zibianliang Robots ha publicado el modelo mundial autorregresivo WALL-SS. Este «campo de entrenamiento virtual» construido por WALL-SS ha superado por fin el cuello de botella de los modelos mundiales. Si las acciones pueden cambiar verdaderamente el resultado, si se puede mantener la coherencia en tareas largas y si el rendimiento virtual puede soportar la prueba en máquinas reales, todo ello tiene nuevas soluciones y respuestas. Puede simular tareas continuas de 60 segundos, como verter agua y organizar objetos, para probar los resultados de diferentes acciones: según cómo se agarre el vaso, ¿se fallará, se volcará o se logrará levantar con éxito? El equipo de investigación también probó múltiples conjuntos de políticas de robot tanto en WALL-SS como en el mundo real. Las estrategias de acción que funcionan bien en el mundo virtual a menudo también obtienen buenos resultados al trasladarse al mundo físico. Esto es interesante: los «sueños» de los robots empiezan a poder utilizarse para practicar y filtrar acciones reales.

**Página del proyecto relacionada: http://x2robot.com/pages/ss Enlace al artículo: https://github.com/X-Square-Robot/wall-ss/blob/main/wall-ss-paper.pdf Enlace de Github: https://github.com/X-Square-Robot/wall-ss

La forma en que los robots «sueñan» determina si fallarán en la realidad

Los modelos mundiales son una de las direcciones que más atención atrae actualmente en la inteligencia encarnada. Pueden entenderse como un sistema de ensayo en el cerebro del robot. Si se le da la imagen actual y un conjunto de acciones a ejecutar, predecirá qué sucederá a continuación. Si el brazo robótico se mueve 1 centímetro a la izquierda, ¿el vaso será agarrado o derribado? Si el cajón ya está abierto, ¿el siguiente paso debe ser seguir sacando cosas o ajustar primero el ángulo de la muñeca? El robot puede comparar múltiples futuros y luego decidir qué ruta de acción adoptar.

Las empresas de robótica también pueden poner diferentes versiones de políticas de acción en el modelo mundial para probarlas. Las versiones con mejor rendimiento pasan luego a la máquina real, ahorrando los costosos gastos de probar el efecto de las acciones en el mundo real. El problema es que muchos modelos mundiales actúan a menudo como un director demasiado optimista. Los datos de entrenamiento de los robots suelen basarse principalmente en demostraciones exitosas. Si el modelo ve que la mayoría de las acciones de cierre de pinza son seguidas por el levantamiento del objeto, es propenso a tomar atajos: siempre que la pinza se cierre, el objeto debe ser levantado. Incluso si hay un espacio evidente entre la pinza y el objeto, en la imagen generada el objeto podría acercarse activamente a la pinza. El artículo denomina este fenómeno error similar al «agarre magnético».

Este tipo de desviación puede no ser evidente en movimientos amplios como correr o bailar, pero en operaciones de precisión determina directamente el éxito o el fracaso. Si la pinza se desvía unos milímetros del asa del vaso, el robot puede fallar. Si el ángulo del enchufe está un poco desviado, también será difícil insertarlo en la interfaz. El paso de un robot de «saber hacer» a «hacerlo con éxito» a menudo se atasca en esos últimos milímetros. Si el modelo mundial alisa directamente esos milímetros, cuanto más fluido sea el futuro que presenta, más tenderá el robot a sobreestimar la fiabilidad de una acción. A medida que se alarga el tiempo de simulación, surgen nuevos problemas. Después de que el modelo mundial genera un fragmento de imagen, debe usarlo como base para la siguiente predicción. Un pequeño error inicial se acumulará continuamente en los pasos siguientes. Los objetos pueden desviarse lentamente de su posición original, y la relación de contacto entre la pinza y el vaso también cambiará. Si solo se conservan los últimos fotogramas, el modelo olvidará lo que ha hecho antes, pero si se conserva todo el historial, la carga computacional y el consumo de memoria seguirán aumentando. Que el vídeo parezca realista no significa que la política seleccionada por el modelo sea realmente mejor. La investigación robótica necesita saber si el ganador de las pruebas virtuales puede seguir liderando en máquinas reales. El modelo mundial debe asegurar que diferentes acciones conduzcan efectivamente a diferentes resultados; una imagen fluida solo completa el paso más superficial.**

Cómo se mueva el robot, así debe cambiar el futuro

Cuando WALL-SS predice la imagen de los próximos segundos, primero construye una versión de «vista previa en baja resolución».

En esta vista previa, el modelo determina primero la dirección general: hacia dónde va el brazo robótico y cómo se moverá aproximadamente el objeto. Luego, aclara la misma imagen capa por capa, rellenando los contornos de los objetos, la apertura y cierre de la pinza y las posiciones de contacto.

El artículo llama a esta jerarquía, de contornos generales a pequeños detalles, «escala». La imagen ya generada y las acciones ocurridas se convierten en el historial para la siguiente predicción, lo cual es la «autorregresión de siguiente escala».

Cada vez que la imagen se aclara un poco, la acción vuelve a influir en el futuro.

Si el brazo va a la izquierda o a la derecha, cambiará primero la dirección del movimiento en la imagen de baja resolución. Cuándo se cierra la pinza seguirá influyendo en si se toca el vaso en la imagen nítida.

Una vez que se genera un pequeño fragmento del futuro, entra en la memoria junto con las acciones ya ocurridas, convirtiéndose en la base para que el modelo continúe...