Un equipo dirigido por Guangyuan Wang describe un método que adapta políticas robóticas preentrenadas a la presencia de obstáculos durante la inferencia, sin recopilar nuevas demostraciones ni volver a entrenar. El método evalúa la trayectoria prevista del robot y distribuye las correcciones para evitar obstáculos a lo largo de la secuencia de acciones, en lugar de corregir cada paso por separado.
En pruebas con siete escenarios con obstáculos y cuatro tareas de manipulación, los investigadores reportan 105 tareas completadas con éxito y sin colisiones de un total de 140, frente a 8 de 140 con el guiado puntual de acciones absolutas. Se trata de resultados experimentales; el resumen no especifica cómo funciona el método fuera de esos escenarios.
Por qué importa
Para los investigadores en robótica que buscan adaptar políticas preentrenadas a nuevos obstáculos, el resultado sugiere que coordinar las correcciones a lo largo de una secuencia de acciones podría ser útil sin volver a entrenar, aunque se desconoce el rendimiento fuera de los escenarios probados.
