Un equipo dirigido por Kyoungin Baik presentó SimVLA, un sistema que entrena modelos de visión, lenguaje y acción (VLA) exclusivamente con datos de robots simulados. Primero, el sistema aprende a partir de dos grandes conjuntos de datos simulados: SimAction, que abarca 35 tareas de manipulación móvil, y SimVQA, que añade supervisión detallada de visión y lenguaje. Tras un entrenamiento adicional con secuencias simuladas, SimVLA se puso a prueba en tareas reales, como reponer estantes, servir líquidos y limpiar. En estas pruebas superó a las políticas entrenadas con 50 demostraciones del mundo real, lo que demuestra que la simulación puede sustituir la costosa recopilación de datos en entornos reales.
Por qué importa
Si los robots pueden aprender solo mediante simulaciones, los fabricantes podrían desarrollar asistentes domésticos de forma más rápida y económica.
