RoboCat: Un agente base de auto-mejora para la manipulación robótica
RoboCat: A Self-Improving Foundation Agent for Robotic Manipulation
June 20, 2023
Autores: Konstantinos Bousmalis, Giulia Vezzani, Dushyant Rao, Coline Devin, Alex X. Lee, Maria Bauza, Todor Davchev, Yuxiang Zhou, Agrim Gupta, Akhil Raju, Antoine Laurens, Claudio Fantacci, Valentin Dalibard, Martina Zambelli, Murilo Martins, Rugile Pevceviciute, Michiel Blokzijl, Misha Denil, Nathan Batchelor, Thomas Lampe, Emilio Parisotto, Konrad Żołna, Scott Reed, Sergio Gómez Colmenarejo, Jon Scholz, Abbas Abdolmaleki, Oliver Groth, Jean-Baptiste Regli, Oleg Sushkov, Tom Rothörl, José Enrique Chen, Yusuf Aytar, Dave Barker, Joy Ortiz, Martin Riedmiller, Jost Tobias Springenberg, Raia Hadsell, Francesco Nori, Nicolas Heess
cs.AI
Resumen
La capacidad de aprovechar experiencias robóticas heterogéneas provenientes de diferentes robots y tareas para dominar rápidamente nuevas habilidades y configuraciones físicas tiene el potencial de transformar el aprendizaje robótico. Inspirados por los avances recientes en modelos fundacionales para visión y lenguaje, proponemos un agente fundacional para la manipulación robótica. Este agente, denominado RoboCat, es un transformador de decisiones condicionado por objetivos visuales capaz de procesar experiencias visuales etiquetadas con acciones de múltiples configuraciones físicas. Estos datos abarcan un amplio repertorio de habilidades de control motor provenientes de brazos robóticos simulados y reales con diversos conjuntos de observaciones y acciones. Con RoboCat, demostramos la capacidad de generalizar a nuevas tareas y robots, tanto de manera inmediata (zero-shot) como a través de la adaptación utilizando solo 100-1000 ejemplos para la tarea objetivo. También mostramos cómo un modelo entrenado puede utilizarse para generar datos en iteraciones posteriores de entrenamiento, proporcionando así un bloque básico para un ciclo de mejora autónoma. Investigamos las capacidades del agente mediante evaluaciones a gran escala tanto en simulación como en tres configuraciones físicas diferentes de robots reales. Descubrimos que, a medida que ampliamos y diversificamos sus datos de entrenamiento, RoboCat no solo muestra signos de transferencia entre tareas, sino que también se vuelve más eficiente al adaptarse a nuevas tareas.
English
The ability to leverage heterogeneous robotic experience from different
robots and tasks to quickly master novel skills and embodiments has the
potential to transform robot learning. Inspired by recent advances in
foundation models for vision and language, we propose a foundation agent for
robotic manipulation. This agent, named RoboCat, is a visual goal-conditioned
decision transformer capable of consuming multi-embodiment action-labelled
visual experience. This data spans a large repertoire of motor control skills
from simulated and real robotic arms with varying sets of observations and
actions. With RoboCat, we demonstrate the ability to generalise to new tasks
and robots, both zero-shot as well as through adaptation using only 100--1000
examples for the target task. We also show how a trained model itself can be
used to generate data for subsequent training iterations, thus providing a
basic building block for an autonomous improvement loop. We investigate the
agent's capabilities, with large-scale evaluations both in simulation and on
three different real robot embodiments. We find that as we grow and diversify
its training data, RoboCat not only shows signs of cross-task transfer, but
also becomes more efficient at adapting to new tasks.