10/03/2025 11:23
10/03/2025 11:22
10/03/2025 11:22
10/03/2025 11:22
10/03/2025 11:22
10/03/2025 11:22
10/03/2025 11:22
10/03/2025 11:22
10/03/2025 11:22
10/03/2025 11:22
Buenos Aires » Infobae
Fecha: 10/03/2025 08:31
Máquinas más humanas: robots con IA aprenden movimientos con rapidez Un avance significativo en inteligencia artificial y robótica ha sido presentado con el potencial de transformar la interacción entre robots y el mundo físico. Según Muy Interesante, el sistema de IA InterMimic puede imitar movimientos humanos con una precisión sin precedentes, superando las limitaciones de la captura de movimiento y mejorando la integración con las leyes de la física. Este sistema combina aprendizaje automático, simulaciones físicas y enseñanza por distilación de políticas para abordar la interacción humano-objeto. Históricamente, este problema ha sido difícil de resolver debido a errores en los datos de captura de movimiento (MoCap), contactos imprecisos y falta de detalle en las interacciones manuales. Un enfoque innovador para perfeccionar movimientos InterMimic emplea un aprendizaje progresivo que comienza con políticas entrenadas en pequeños conjuntos de datos específicos. Estas corrigen los errores de los movimientos capturados antes de ser usados en simulaciones más complejas. Luego, estas se combinan en una política estudiante que aprende de múltiples ejemplos refinados, generando simulaciones más realistas. El sistema utiliza aprendizaje por refuerzo para optimizar los movimientos generados, garantizando que cumplan con las leyes de la física y superando la imitación. También puede predecir futuras interacciones basándose en movimientos anteriores, debido a su integración de generadores cinemáticos. Esto permite la generación de nuevas interacciones realistas con el contexto. Corrección de errores y mejoras en la captura de movimiento Uno de los principales problemas de la captura de movimiento es la inconsistencia en los contactos entre las manos y los objetos, lo que genera simulaciones poco realistas. Para corregir esto, InterMimic emplea la inicialización del estado físico (PSI), que selecciona estados iniciales basados en simulaciones previas exitosas en lugar de depender únicamente de los datos capturados. InterMimic establece un nuevo estándar en simulación de movimientos frente a otros modelos (Créditos: InterMimic) También implementa la terminación temprana de interacción (IET), un mecanismo que detiene la simulación si detecta comportamientos físicamente incorrectos, como una mano atravesando un objeto en lugar de agarrarlo. Cuando esto ocurre, el modelo se reentrena para evitar que los errores se repitan, mejorando continuamente la calidad de las interacciones generadas. Aplicaciones en robótica y animación InterMimic ha sido probado con el robot humanoide Unitree G1, logrando que manipule objetos sin ajustes manuales. Este avance permite que la interacción con el entorno sea más natural y eficiente. En animación digital, el sistema se puede integrar con motores de animación basados en IA para mejorar la calidad de las simulaciones en videojuegos y realidad virtual. Según Muy Interesante, también permite generar interacciones a partir de texto. Por ejemplo, un usuario puede describir una acción, como “levantar una silla”, y el modelo generará la animación correspondiente con precisión física. Comparación con otros modelos y ventajas Si bien existen otros sistemas como PhysHOI o SkillMimic, InterMimic ofrece ventajas clave. No solo corrige errores en los datos de captura de movimiento, sino que también es escalable y capaz de generalizar sin necesidad de ajustes manuales. Los autores del estudio destacaron que su enfoque permite “la generación de interacciones versátiles y físicamente plausibles con una generalización sin precedentes”, posicionándolo como un nuevo estándar en la simulación de movimientos. La inicialización del estado físico corrige errores en simulaciones previas (Créditos: InterMimic) Desafíos y áreas de mejora A pesar de sus avances, el sistema aún enfrenta limitaciones en tareas que requieren control preciso de los dedos, como tocar un instrumento musical. También existen casos en los que los movimientos generados no son completamente realistas. Para superar esto, es necesario entrenar el modelo con conjuntos de datos más diversos y desarrollar nuevas técnicas que permitan un control más preciso de las interacciones manuales.
Ver noticia original
.png)
 (300 x 300 px).gif)
Examedia © 2024
Desarrollado por