Dobb-E: AI Framework dla robotów domowych
Dobb-E to innowacyjna platforma open-source zaprojektowana w celu zwiększenia możliwości robotów domowych poprzez uczenie przez naśladowanie. System ten odpowiada na powszechne ograniczenia w robotyce domowej, wykorzystując przystępne i przyjazne dla użytkownika narzędzie zwane Stick. Zbudowany z $25 Reacher-grabber stick, komponentów wydrukowanych w technologii 3D i iPhone'a, Stick ułatwia zbieranie cennych danych demonstracyjnych. Framework wykorzystuje obszerny zbiór danych znany jako Homes of New York (HoNY), który zawiera 13 godzin interakcji z 22 różnych domów, wzbogacony o filmy RGB i głębokości oraz szczegółowe adnotacje działań.
Rdzeń funkcjonalności Dobb-E leży w jego zdolności do trenowania modelu uczenia reprezentacji nazwanego Home Pretrained Representations (HPR), opartego na architekturze ResNet-34. Model ten wykorzystuje uczenie samonadzorowane, aby wyposażyć roboty w umiejętności niezbędne do wykonywania nowych zadań w nieznanych środowiskach. Z imponującą średnią skutecznością na poziomie 81% w rozwiązywaniu nowych zadań w ciągu 15 minut, Dobb-E zapewnia dostęp do wstępnie wytrenowanych modeli, kodu i szczegółowej dokumentacji za pośrednictwem GitHub, wraz z pracą badawczą szczegółowo opisującą jego metodologię.
