HiPHI: Un nuevo dataset a gran escala para el aprendizaje de robots humanoides

Un nuevo conjunto de datos de captura de movimiento a gran escala, denominado HiPHI, se ha introducido para dar respuesta a la limitación de datos que afecta al aprendizaje de los robots humanoides. Este desarrollo, detallado en un _white paper_ y recogido por IEEE Spectrum, se dirige a investigadores y profesionales de la robótica.

El aprendizaje de robots humanoides representa un problema fundamental tanto en la inteligencia artificial encarnada como en la inteligencia artificial física. La necesidad de datos para este ámbito no puede ser cubierta de manera eficiente por el vídeo de internet o por los conjuntos de datos de captura de movimiento ya existentes, que resultan insuficientes para las demandas actuales.

HiPHI aborda esta carencia mediante una metodología específica. Su recolección de captura de movimiento se guía por FrameNet, un marco lingüístico diseñado para la acción humana, lo que permite cubrir sistemáticamente un amplio rango de movimientos de cuerpo completo. Adicionalmente, el dataset integra trayectorias y mallas de objetos sincronizadas, lo que convierte los datos de interacción humano-objeto en una herramienta útil para enseñar a los robots tareas prácticas del mundo real, como transportar, empujar o tirar.

Los desarrolladores del dataset demuestran cómo las políticas de aprendizaje por refuerzo entrenadas con estos datos mejoran con la escala. Además, se ha validado que es posible la transferencia de estas políticas, desde simulaciones al entorno real, aplicándolas con éxito a un robot humanoide físico. Este avance subraya el potencial de HiPHI para superar obstáculos significativos en el desarrollo de la robótica humanoide avanzada.