1X Technologies, una startup nel campo della robotica, ha sviluppato un nuovo modello generativo che migliora notevolmente l’addestramento dei sistemi robotici in simulazione. Questo modello affronta una delle sfide principali della robotica: come insegnare ai robot a comprendere e prevedere come il mondo reagisce alle loro azioni.
Poiché l’addestramento diretto dei robot in ambienti fisici comporta costi e rischi elevati, i ricercatori di solito si affidano a simulazioni. Tuttavia, le differenze tra simulazione e realtà possono causare problemi, noti come il “gap sim2real”. Eric Jang, VP di AI presso 1X, spiega che le simulazioni spesso presentano imprecisioni che possono influenzare l’addestramento e l’implementazione dei robot.
Per superare queste limitazioni, il nuovo modello di 1X impara a simulare il mondo reale analizzando dati grezzi provenienti dai sensori dei robot. Grazie a migliaia di ore di video e dati raccolti da robot umanoidi che interagiscono con persone e oggetti, il modello può prevedere cosa accadrà quando il robot compie determinate azioni.
I dati sono stati raccolti in diversi ambienti, come case e uffici, e annotati da un team di esperti. Imparando direttamente da dati reali, il modello mira a riflettere più accuratamente la dinamica del mondo reale.
Il modello generativo è particolarmente efficace nel simulare interazioni con oggetti, come afferrare scatole o piegare camicie. I video mostrano come il robot possa prevedere situazioni complesse, come evitare ostacoli o mantenere una distanza di sicurezza dalle persone.
Tuttavia, i cambiamenti nell’ambiente rimangono una sfida. Se i dati utilizzati per addestrare il modello diventano obsoleti, potrebbe sorgere nuovamente il gap sim2real. Jang afferma che, essendo un simulatore completamente appreso, il modello può essere aggiornato facilmente con nuovi dati dal mondo reale, senza la necessità di un intervento manuale.
Questo nuovo sistema si ispira a innovazioni simili, come OpenAI Sora, che dimostrano che i modelli generativi possono imparare a rappresentare il mondo in modo coerente nel tempo. A differenza di altri modelli, il modello di 1X è progettato per reagire in tempo reale alle azioni durante la fase di generazione, aprendo nuove possibilità per l’addestramento dei robot.
Nonostante i progressi, alcune sfide rimangono. Poiché il modello non si basa su un simulatore definito, a volte può generare situazioni poco realistiche. Per affrontare queste problematiche, 1X prevede di raccogliere più dati e migliorare continuamente i suoi modelli.
Inoltre, l’azienda sta invitando la comunità a partecipare a questo sforzo, rilasciando i propri modelli e organizzando concorsi con premi in denaro per migliorare le prestazioni dei modelli.