La herramienta pretende reforzar la seguridad de los robots autónomos y su desempeño en entornos complejos, reduciendo errores en tareas cotidianas
"Sin posibilidad de corregirse, este recuerdo erróneo persistiría a medida que el robot avanza en su entorno, lo que podría afectar a las aplicaciones posteriores", afirmó Harry Zhang, estudiante de posgrado del MIT y coautor de la investigación.
UQ-DAAAM incorpora mecanismos para medir la fiabilidad de cada descripción. Primero, calcula la confianza del modelo en las palabras que eligió para definir un objeto. Después, contrasta esa respuesta con otros subtítulos generados a partir de imágenes del mismo elemento vistas desde ángulos diferentes.
Los investigadores reunieron esas dos fuentes de información en un indicador único. Si el nivel de incertidumbre supera un umbral, el sistema busca fotografías adicionales que permitan precisar la identificación.
En el caso de una chimenea, por ejemplo, puede seleccionar una toma posterior en la que aparezca humo, un detalle que ayuda a descartar otras interpretaciones.
"Combinamos ambas fuentes de incertidumbre en un único número que refleja el grado de certeza del VLM en su comprensión general del objeto", explicó Luca Carlone, profesor asociado del Departamento de Aeronáutica y Astronáutica del MIT y director del Laboratorio SPARK.