Robots del MIT ahora pueden corregir sus errores de memoria con nueva tecnología

Investigadores del Instituto Tecnológico de Massachusetts (MIT) crearon un sistema de inteligencia artificial llamado UQ-DAAAM, que permite a los robots corregir descripciones erróneas de objetos almacenadas en su memoria. Esta tecnología combina visión por computadora, modelos de lenguaje y un método para medir la incertidumbre, lo que mejora la forma en que las máquinas reconocen y recuerdan los objetos de su entorno.

El sistema se basa en un marco anterior llamado DAAAM, que utiliza un modelo de visión y lenguaje para generar descripciones detalladas de los objetos capturados por las cámaras del robot. Sin embargo, ese sistema tenía limitaciones cuando los objetos estaban parcialmente visibles, a distancia o en condiciones de mala iluminación, lo que podía provocar errores, como confundir una chimenea con una ardilla.

UQ-DAAAM aborda ese problema midiendo la incertidumbre en las descripciones generadas por el modelo de visión y lenguaje. Mientras el robot se mueve, sus cámaras capturan imágenes de forma continua desde múltiples ángulos. El sistema utiliza esas observaciones para evaluar si una descripción es confiable. Si el nivel de incertidumbre supera un umbral predefinido, el sistema identifica la descripción como potencialmente poco confiable e inicia un proceso de refinamiento.

Para reducir la incertidumbre, el sistema selecciona imágenes adicionales que pueden ayudar a identificar mejor el objeto. Por ejemplo, si un robot confunde una chimenea con otro objeto, puede seleccionar una imagen que muestre humo saliendo de ella para identificar la estructura con mayor precisión. Luego, un modelo de lenguaje de gran escala combina las descripciones de esas imágenes en un subtítulo revisado, otorgando mayor peso a las descripciones más recientes y a aquellas con menor ambigüedad.

En las pruebas realizadas, el sistema resolvió ambigüedades en aproximadamente el 92% de los objetos presentes en el entorno del robot, con un requerimiento de solo dos subtítulos adicionales por objeto. También mejoró la precisión en la descripción de objetos en un 5% respecto a los métodos existentes más avanzados. Los investigadores planean ahora extender la tecnología a distintas plataformas robóticas, entre ellas manipuladores robóticos móviles.