TITULO: TRADUCTOR NLP A COMANDOS DE ROBOT
Diseño, fine tuning y evaluación comparativa de modelos transformer.

INTEGRANTES:
José Luis Espinoza Chamaya
Franklin Alegría Barbosa
Amit Flores Rivera

RESUMEN:
La investigación desarrolla un sistema de PLN que traduce instrucciones en español e inglés a comandos robóticos estructurados en JSON.
El problema se aborda como semantic parsing generativo, utilizando Transformers encoder-decoder y evaluando FLAN-T5-small, T5-small y mT5-small.
El dataset fue depurado, normalizado y ampliado con ejemplos bilingües sintéticos para mejorar la calidad y reducir el data leakage.
La evaluación considera sintaxis JSON, intención, parámetros, Exact Match, éxito de tarea, seguridad y errores de movimiento del robot.
FLAN-T5-small obtuvo el mejor resultado, con 86.7% de Exact Match y 100% en JSON válido, esquema y reconocimiento de función.
El estudio demuestra que una solución PLN pequeña y auditable puede controlar acciones robóticas en PyBullet mediante grounding simbólico, sin utilizar visión artificial.


IMPACTO:

La investigación demuestra que modelos Transformer pequeños pueden traducir lenguaje natural a comandos robóticos de forma precisa, trazable y segura.
Facilita una interacción más natural entre personas y robots, reduciendo la necesidad de conocimientos técnicos especializados.
Su enfoque eficiente y reproducible puede aplicarse en entornos industriales, educativos y de investigación.

Adjunto paper: traductor NLP a comandos de robot (PDF) y la Presentacion (PPT)

TITULO: TRADUCTOR NLP A COMANDOS DE ROBOT
Diseño, fine tuning y evaluación comparativa de modelos transformer.

INTEGRANTES:
José Luis Espinoza Chamaya
Franklin Alegría Barbosa
Amit Flores Rivera

RESUMEN:
La investigación desarrolla un sistema de PLN que traduce instrucciones en español e inglés a comandos robóticos estructurados en JSON.
El problema se aborda como semantic parsing generativo, utilizando Transformers encoder-decoder y evaluando FLAN-T5-small, T5-small y mT5-small.
El dataset fue depurado, normalizado y ampliado con ejemplos bilingües sintéticos para mejorar la calidad y reducir el data leakage.
La evaluación considera sintaxis JSON, intención, parámetros, Exact Match, éxito de tarea, seguridad y errores de movimiento del robot.
FLAN-T5-small obtuvo el mejor resultado, con 86.7% de Exact Match y 100% en JSON válido, esquema y reconocimiento de función.
El estudio demuestra que una solución PLN pequeña y auditable puede controlar acciones robóticas en PyBullet mediante grounding simbólico, sin utilizar visión artificial.


IMPACTO:

La investigación demuestra que modelos Transformer pequeños pueden traducir lenguaje natural a comandos robóticos de forma precisa, trazable y segura.
Facilita una interacción más natural entre personas y robots, reduciendo la necesidad de conocimientos técnicos especializados.
Su enfoque eficiente y reproducible puede aplicarse en entornos industriales, educativos y de investigación.

Adjunto paper: traductor NLP a comandos de robot (PDF) y la Presentacion (PPT)