Los robots caminantes pueden hacer todo tipo de cosas emocionantes como bailar, correr y artes marciales, pero para que sean útiles, deben ser capaces de usar sus patas para manejar el terreno, para moverse sobre obstáculos y no solo alrededor de ellos. Entonces, ¿cómo podemos entrenar mejor las políticas de caminata para robots con patas? @ChongZitaZhang nos habla sobre cómo. Mira el Episodio #43 de RoboPapers, presentado por @micoolcho y @chris_j_paxton, ahora, para saber más.

Con suficientes datos, los robots y la IA pueden aprender "modelos del mundo" que les permiten predecir los resultados de sus acciones. Estos modelos son una forma de aprender cómo los agentes de IA encarnada pueden realizar una amplia variedad de tareas útiles, pero requieren una gran cantidad de datos. El equipo de General Intuition @gen_intuition tiene una solución: ¡usar datos de videojuegos! Los juegos enseñan movimiento, resolución de problemas y razonamiento espacial complejo, y vienen en una asombrosa diversidad de formas, abarcando una amplia variedad de problemas. Además, los datos capturados son de alta calidad, sin el ruido o error de anotación que puede surgir de Nos sentamos con @PimDeWitte y @AdamJelley2 del equipo de General Intuition para aprender más sobre su historia, sus planes y su filosofía.

¡El episodio completo se lanzará pronto! Entrevistando a @PimDeWitte @AdamJelley2, cofundadores de @gen_intuition, que aprovechan grabaciones de juegos a gran escala para construir agentes con razonamientos espaciales/temporales profundos. Basado en el trabajo de Adam, @EloiAlonso1 @micheli_vincent (todos cofundadores en General Intuition): DIAMOND - Difusión para Modelado del Mundo: Los Detalles Visuales Importan en Atari Co-presentado por @micoolcho @chris_j_paxton