Uma equipe liderada por Kyoungin Baik lançou o SimVLA, uma estrutura que treina modelos de visão, linguagem e ação (VLA) inteiramente com dados simulados de robôs. Primeiro, o sistema aprende com dois grandes conjuntos de dados simulados — o SimAction, que abrange 35 tarefas de manipulação móvel, e o SimVQA, que acrescenta supervisão detalhada de linguagem visual. Após uma etapa adicional de treinamento com trajetórias simuladas, o SimVLA foi testado em tarefas do mundo real, como reabastecer prateleiras, servir líquidos e limpar. Nesses testes, superou políticas treinadas com 50 demonstrações reais, mostrando que a simulação pode substituir a coleta dispendiosa de dados no mundo real.
Por que importa
Se os robôs puderem aprender apenas com simulações, os fabricantes poderão desenvolver assistentes domésticos com mais rapidez e menor custo.
