Subscribe Us

ROBÓTICA. NeatNet: un modelo que puede aprender a ordenar las preferencias de las personas

 

Un diagrama que resume los casos de uso del modelo de los investigadores. NeatNet tiene dos pasos. Primero, aprende las preferencias de un usuario observando cómo ordenaron algunas habitaciones de su hogar. Luego, puede hacer una predicción personalizada sobre cómo organizar cualquier grupo de objetos. Por ejemplo, si compró un libro nuevo, el robot debería poder adivinar razonablemente dónde colocarlo. Fuente: Ivan Kapelyukh y Edward Johns (Laboratorio de aprendizaje de robots en el Imperial College de Londres).

A medida que los robots se vuelven cada vez más avanzados y asequibles, más personas podrían comenzar a introducirlos en sus hogares. Por lo tanto, muchos especialistas en robótica han estado tratando de desarrollar sistemas que puedan ayudar de manera efectiva a los humanos con las tareas domésticas, como cocinar, limpiar y ordenar.

Los investigadores del Laboratorio de aprendizaje de robots en el Imperial College de Londres han desarrollado recientemente NeatNet, una innovadora herramienta de aprendizaje automático que podría permitir a los robots ordenar los entornos domésticos de manera que coincida con las preferencias individuales de un usuarioEste modelo, presentado en un artículo publicado previamente en arXiv, se basa en una nueva arquitectura de codificador automático variacional con capas de red neuronal de gráficos.

Los ingenieros han desarrollado un método para conocer las preferencias de las personas sobre cómo les gusta que se arregle su hogar, de modo que un robot pueda ordenar su hogar de una manera personalizada.

NeatNet, permite que los robots aprendan las preferencias de orden únicas de un usuario, simplemente observando cómo colocan los muebles y los objetos en su hogar. Luego, el robot puede usar estas preferencias como guía para ordenar la casa del usuario de manera que refleje sus preferencias.

"Por ejemplo, suponga que prefiere que su escritorio esté organizado de manera compacta para que todo sea fácilmente accesible", dijo el Dr. Johns. "Es posible que desee que el robot aprenda esta  . Después de que el robot lo ordene, su escritorio se organizará de una manera que sea conveniente para usted específicamente".

NeatNet se inspira en los  , las herramientas de aprendizaje automático utilizadas por las plataformas de transmisión (por ejemplo, Netflix, YouTube, Spotify) u otros sitios web para recomendar contenido nuevo a los usuarios. Los sistemas de recomendación funcionan aprendiendo las preferencias de un usuario en función del contenido que vio, escuchó o accedió en el pasado.

"Si muchos usuarios vieron una nueva película con preferencias similares a las suyas, entonces Netflix podría recomendarle esa misma película a usted también. Así es como estos métodos hacen recomendaciones personalizadas".

La nueva herramienta similar a un recomendador para aprender a ordenar las preferencias, se ha utilizado en simulaciones por computadora del robot y su entorno, pero en el futuro, los desarrolladores de NeatNet planean implementar esto en un robot real en el mundo real.

Un breve video que resume cómo NeatNet aprende las preferencias para ordenar. Fuente: Ivan Kapelyukh y Edward Johns (Laboratorio de aprendizaje de robots en el Imperial College de Londres).

Esencialmente, NeatNet procesa escenas que fueron arregladas y ordenadas por los usuarios. A partir de estas escenas, aprende a ordenar las preferencias del usuario, que se representan como una secuencia de números. Finalmente, utiliza estas secuencias numéricas para organizar cualquier grupo de objetos de forma personalizada.

Utilizando una red neuronal gráfica, NeatNet también puede aprender las relaciones entre diferentes objetos. Por ejemplo, podría aprender que un teclado y un mouse generalmente se colocan uno al lado del otro, o que los cubiertos se colocan al lado de los platos.

Además de aprender las relaciones generales de objeto a objeto, NeatNet analiza las preferencias individuales de los usuarios. Podría, por ejemplo, saber en qué lado del plato los usuarios suelen colocar sus cubiertos, ya que las personas zurdas y diestras pueden tener preferencias diferentes.

Cuando los robots se generalicen, su capacidad para completar tareas de manera que estén alineadas con las preferencias de los usuarios individuales podría ser particularmente valiosa. Por lo tanto, NeatNet podría resultar particularmente útil, especialmente para mejorar el rendimiento de los asistentes domésticos y los robots.

Más información: Ivan Kapelyukh, Edward Johns, My house, my rules: learning tidying preferences with graph neural networks. arXiv:2111.03112v1 [cs.RO], arxiv.org/abs/2111.03112

www.robot-learning.uk/my-house-my-rules

Publicar un comentario

0 Comentarios