Dobb-E: 가정용 로봇을 위한 AI 프레임워크
Dobb-E는 모방 학습을 통해 가정용 로봇의 기능을 향상시키기 위해 설계된 혁신적인 오픈 소스 프레임워크입니다. 이 시스템은 Stick이라는 저렴하고 사용자 친화적인 도구를 활용하여 가정 로봇의 일반적인 한계를 해결합니다. $25의 리처-그랩버 스틱, 3D 프린팅된 구성 요소 및 iPhone으로 구성된 Stick은 귀중한 시연 데이터를 수집하는 데 도움을 줍니다. 이 프레임워크는 RGB 및 깊이 비디오와 상세한 행동 주석이 포함된 22개의 서로 다른 가정에서의 13시간의 상호작용을 포함하는 포괄적인 데이터 세트인 Homes of New York (HoNY)를 활용합니다.
Dobb-E의 기능의 핵심은 ResNet-34 아키텍처를 기반으로 한 Home Pretrained Representations (HPR)라는 표현 학습 모델을 훈련할 수 있는 능력에 있습니다. 이 모델은 자기 지도 학습을 사용하여 로봇이 낯선 환경에서 새로운 작업을 수행하는 데 필요한 기술을 갖추도록 합니다. 15분 이내에 새로운 작업을 해결하는 데 평균 81%의 인상적인 성공률을 기록한 Dobb-E는 GitHub를 통해 사전 훈련된 모델, 코드 및 포괄적인 문서에 대한 액세스를 제공하며, 방법론을 자세히 설명하는 연구 논문도 함께 제공합니다.
