A Cornell Egyetem kutatói kifejlesztettek egy új mesterséges intelligencia alapú robotikai keretrendszert, a RHyME-ot (Retrieval for Hybrid Imitation under Mismatched Execution), amely lehetővé teszi, hogy a robotok egyetlen oktatóvideó megtekintésével tanuljanak meg összetett feladatokat. Ez az újítás jelentősen csökkenti a robotok betanításához szükséges időt, energiát és költségeket, mivel a hagyományos módszerekhez képest sokkal kevesebb adatot igényel.
A RHyME legnagyobb előnye, hogy képes kezelni az emberi és a robotmozgások közötti eltéréseket. Míg az emberek természetesen alkalmazkodnak a változó körülményekhez, a robotok eddig merev, pontosan illeszkedő utasításokat igényeltek. A RHyME azonban lehetővé teszi, hogy a robotok korábban megfigyelt cselekvésekből merítsenek, és ezek alapján hajtsanak végre új feladatokat, még akkor is, ha azokkal korábban nem találkoztak.
Ez a megközelítés rugalmasabbá és hatékonyabbá teszi a robotok tanulását. A RHyME mindössze körülbelül 30 percnyi robot-specifikus betanítási adatot igényel, szemben a korábbi módszerek által megkövetelt több ezer órányi adattal. Laboratóriumi tesztek során a RHyME-ot használó robotok több mint 50%-kal sikeresebben hajtották végre a feladatokat, mint a hagyományos technikákkal betanított robotok.
A kutatást Kushal Kedia doktorandusz hallgató és Sanjiban Choudhury adjunktus vezette, és az eredményeket az IEEE Nemzetközi Robotikai és Automatizálási Konferencián (ICRA) mutatják be Atlantában. A projekt támogatói között szerepel a Google, az OpenAI, az Egyesült Államok Haditengerészeti Kutatási Hivatala és a Nemzeti Tudományos Alapítvány.
