I ricercatori hanno presentato l’action-conditioned latent foresight, un sistema che consente a un robot umanoide di valutare sequenze proposte di movimenti e comandi manuali prima di eseguirle. Il sistema prevede se una sequenza farà avanzare il robot verso l’obiettivo, quindi esegue una parte di quella con il punteggio migliore e pianifica di nuovo a partire da una nuova osservazione.
Nei test dei ricercatori, in condizioni standard il sistema ha portato a termine con successo l’85,7% di sette compiti svolti con un robot reale, contro il 70,0% di GR00T N1.7. Con configurazioni degli oggetti mai viste prima, il tasso di successo è sceso al 65,7%, rispetto al 48,6% di GR00T N1.7.
Perché conta
Per i ricercatori che valutano le prestazioni dei robot umanoidi, i risultati suggeriscono che visualizzare in anticipo le sequenze di comandi può essere d’aiuto. Il punteggio più basso con configurazioni degli oggetti non familiari mostra però che le prestazioni restano sensibili alla disposizione degli oggetti.
