Pirámide de Datos para Manipulación Robótica Embutida | Estructuración jerárquica de datos para aprendizaje en robótica | Escalado eficiente de modelos de mundo para manipulación de objetos

Abstract

PROBLEMA: El entrenamiento de robots para tareas de manipulación complejas sufre por la escasez de datos de alta fidelidad y la dificultad de generalizar de entornos simulados a reales. SOLUCIÓN: Se propone 'Data Pyramid', una estructura jerárquica para organizar y escalar los datos de manipulación robótica, desde datos sintéticos masivos hasta demostraciones humanas precisas. METODOLOGÍA: El modelo utiliza esta pirámide para pre-entrenar representaciones generales en la base (datos de baja calidad/gran escala) y realizar un ajuste fino (fine-tuning) en los niveles superiores con tareas específicas de alta precisión. RESULTADOS: Los robots entrenados con este esquema muestran una mejora del 40% en la tasa de éxito en tareas de manipulación no vistas anteriormente en comparación con métodos de entrenamiento plano. RELEVANCIA: Es fundamental para el avance de la Robótica Embutida (Embodied AI) y la creación de modelos de mundo aplicables a hardware real.