Innovatieve AI-tool voor huishoudrobots
Dobb·E is een open-source framework dat gericht is op het trainen van robots voor huishoudelijke taken door middel van imitatie leren. Het biedt een kosteneffectieve en ergonomische oplossing voor het verzamelen van demonstraties, waarbij gebruik wordt gemaakt van een speciaal ontworpen Stick, bestaande uit een grijpstok, 3D-geprinte onderdelen en een iPhone. Dit systeem maakt het mogelijk om gegevens te verzamelen uit de Homes of New York (HoNY) dataset, die 13 uur aan interacties in 22 verschillende woningen in New York City omvat.
Met behulp van deze gegevens traint Dobb·E een model genaamd Home Pretrained Representations (HPR), gebaseerd op de ResNet-34 architectuur. Dit model, dat gebruikmaakt van zelfgestuurde leermethoden, stelt de robot in staat om nieuwe taken in onbekende omgevingen uit te voeren. Dobb·E heeft aangetoond dat het een gemiddelde succesratio van 81% kan behalen bij het oplossen van nieuwe taken binnen 15 minuten, met slechts vijf minuten verzamelde gegevens uit een nieuwe woning. De toegang tot voorgetrainde modellen, code en documentatie is beschikbaar via GitHub, evenals een open-access paper dat dieper ingaat op de methodologie en resultaten.
