Dobb-E: Pelatihan Robot untuk Tugas Rumah Tangga
Dobb-E adalah kerangka kerja sumber terbuka yang dirancang untuk mengajarkan robot melakukan tugas rumah tangga melalui pembelajaran tiruan. Dengan menggunakan alat bernama Stick dan dataset Homes of New York (HoNY), Dobb-E memungkinkan pengumpulan data yang efisien dan ergonomis, mencakup video RGB dan kedalaman serta anotasi tindakan. Dalam waktu singkat, Dobb-E dapat melatih model representasi yang dikenal sebagai Home Pretrained Representations (HPR), yang siap digunakan untuk berbagai tugas baru.
Dengan rata-rata tingkat keberhasilan 81% dalam menyelesaikan tugas baru dalam waktu 15 menit, Dobb-E menunjukkan potensi besar dalam bidang robotika rumah tangga. Kerangka kerja ini juga menyediakan akses ke model yang telah dilatih, kode, dan dokumentasi melalui GitHub, serta makalah terbuka yang menjelaskan metodologi dan hasil dari Dobb-E. Ini menjadikannya solusi yang menarik bagi pengembang dan peneliti di bidang AI dan desain robot.
