¿Se vuelve natural el control de robots con tecnología de IA? ¡Google’s RT-2 lo promete!

La última innovación de Google en inteligencia artificial, el Transformador de Robótica 2 (RT-2), está abriendo nuevas vías en el mundo de la robótica. Aprovechando la tecnología de IA de vanguardia, similar a los sistemas que impulsan chatbots de IA como Bard y ChatGPT, Google tiene como objetivo permitir que los robots realicen tareas de manera más eficiente y efectiva. Vincent Vanhoucke, jefe de robótica de Google DeepMind, presentó RT-2 como un “modelo de visión-lenguaje-acción (VLA, por sus siglas en inglés) de primera clase” que permite a los usuarios controlar robots utilizando lenguaje natural.

Este desarrollo revolucionario permite a los robots interpretar datos textuales e imágenes de la web y ejecutar las acciones correspondientes. Con RT-2, Google está dando pasos agigantados para revolucionar la forma en que los robots comprenden el mundo que los rodea, mejorando en última instancia sus capacidades en diversos campos, comenzando con la tarea mundana pero esencial de desechar la basura.

Tecnología de IA para el control convencional de robots de Google’s RT-2

Google’s RT-2, el visionario modelo de visión-lenguaje-acción (VLA), ha impulsado el campo de la robótica hacia adelante a pasos agigantados. Aprovechando una tecnología similar a la de los chatbots de IA Bard y ChatGPT, RT-2 trasciende los confines del control convencional de robots. A diferencia de los chatbots que procesan datos de texto para interacciones humanas, los robots enfrentan un desafío más intrincado: comprender su entorno físico. Esta distinción plantea un obstáculo único, ya que los robots deben diferenciar objetos, interpretar el contexto y ejecutar acciones precisas basadas en sus percepciones.

Vincent Vanhoucke enfatizó la complejidad de la comprensión robótica, señalando que reconocer un objeto simple como una manzana es mucho más fácil que distinguir entre una deliciosa manzana roja y una bola roja antes de recoger con precisión el artículo deseado. Google’s RT-2 cierra eficazmente esta brecha, empoderando a los robots para comprender escenarios del mundo real y responder a instrucciones dadas en lenguaje natural. Al combinar la comprensión del lenguaje y la percepción visual, RT-2 inaugura una nueva era de la robótica con aplicaciones que abarcan la fabricación, la atención médica, la respuesta ante desastres y más. Con las capacidades notables de RT-2, el potencial para la colaboración humano-robot y los avances transformadores en diversas industrias es nada menos que asombroso.

Empoderando a los robots para desechar la basura

Anteriormente, entrenar a los robots para realizar tareas aparentemente simples como tirar la basura implicaba un proceso arduo y que consumía mucho tiempo. Los ingenieros tenían que enseñar al robot a identificar la basura, agarrarla adecuadamente, localizar una papelera adecuada y luego depositar los desechos con cuidado. Esta coreografía intrincada exigía un entrenamiento extenso y el ajuste fino de numerosos parámetros, lo que hacía que el proceso fuera lento y monótono.

Con la llegada de RT-2 y su capacidad para extraer de vastas reservas de datos de imágenes en línea, el proceso de entrenamiento de los robots ha sido transformado. El nuevo modelo de IA empodera a los robots para aprender rápidamente a identificar la basura y ejecutar autónomamente los pasos necesarios para recogerla y desecharla correctamente. Con una pequeña cantidad de datos de entrenamiento, RT-2 permite notablemente a los robots transferir conceptos incrustados en sus datos de entrenamiento de lenguaje y visión, lo que les permite realizar tareas complejas para las que nunca han sido entrenadas explícitamente.

En una demostración impactante, un robot identificó y levantó sin esfuerzo un dinosaurio de juguete cuando se le pidió que recogiera un animal extinto entre un grupo de juguetes. En otro desafío, el robot movió con destreza un pequeño coche de juguete Volkswagen hacia una bandera alemana. Estos ejemplos de la vida real ilustran cómo las capacidades de lenguaje y visión de RT-2 impulsan la robótica a nuevas cotas de versatilidad y capacidad de respuesta.