Avance
Robots que aprenden a realizar tareas y envían esos conocimientos a la nube para que accedan otros robots después.
Por qué es importante
Los progresos de la robótica podrían acelerarse de forma dramática si cada tipo de máquina no tuviera que ser programada por separado.
Actores clave
- Ashutosh Saxena, Brain of Things
- Stefanie Tellex, Universidad de Brown (EEUU)
- Pieter Abbeel, Ken Goldberg, y Sergey Levine de la Universidad de Califo ia en Berkeley (EEUU)
- Jan Peters, Universidad Técnica de Darmstadt (Alemania)
Disponibilidad
De tres a cinco años.
Hay trabajos que los humanos quisieran encargar a los robots, como empaquetar artículos dentro de los almacenes, asistir a pacientes convalecientes y ayudar a los soldados en primera línea del frente. Pero aún no es posible porque los robots todavía no reconocen ni manipulan con facilidad objetos comunes. La gente generalmente no tiene ninguna dificultad a la hora de doblar unos calcetines ni levantar un vaso de agua, porque hemos pasado por "un gran proceso de recopilación de datos" llamado infancia, explica la profesora de informática de la Universidad de Brown (EEUU) Stefanie Tellex. Para que los robots realicen esas tareas tan cotidianas necesitan acceder a montones de datos sobre cómo asir y manipular los objetos. ¿De dónde proceden estos datos? Normalmente, de una meticulosa programación. Pero lo ideal sería que los robots pudiesen intercambiar esta información.
Esa es la teoría subyacente del "Reto de un Millón de Objetos" de Tellex. El objetivo es que los robots de investigación de todo el mundo aprendan a identificar y manipular artículos sencillos desde boles hasta plátanos, subir sus datos a la nube y permitir que otros robots analicen y utilicen esa información.
Foto: Stephanie Tellex junto a un robot Baxter. Crédito: Leonard Greco.
El laboratorio de Tellex en Providence (EEUU) parece un parque infantil. El día que lo visité, encontré un robot Baxter, una máquina industrial de Rethink Robotics, de pie entre unos grandes bloques, escaneando un pequeño cepillo de pelo. Movía su brazo ruidosamente hacia delante y hacia atrás encima del objeto, sacando múltiples fotos con su cámara, y midiendo la profundidad con un sensor de infrarrojos. Entonces, con su pinza doble, intentó varios agarres que podrían permitirle levantar el cepillo. Una vez consiguió el objeto, lo sacudió varias veces para asegurarse de que el agarre era seguro. De ser así, el robot había aprendido una cosa más.
Baxter puede trabajar día y noche, a menudo con un objeto distinto en cada pinza. Tellex y su alumno de postgrado John Oberlin han recopilado y compartido datos sobre unos 200 artículos, empezando por cosas como un zapato de bebé, un barquito de plástico, un patito de goma y una prensa de ajos entre otros utensilios de cocina. Otros científicos pueden contribuir con los datos de sus propios robots, y Tellex espera que entre todos creen una biblioteca de datos acerca de cómo deberían los robots manipular un montón de artículos distintos.
Gracias a ella, los robots que se enfrenten a una estantería abarrotada serán capaces de "identificar el bolígrafo que tienen delante y recogerlo", afirma Tellex. Los proyectos de este tipo son posibles porque muchos robots de investigación emplean el mismo marco estándar para la programación, conocido como ROS. Una vez que una máquina aprenda una tarea, puede compartir esos datos con otras máquinas que a su vez pueden publicar sus reacciones y observaciones para refinar las instrucciones proporcionadas a la siguiente máquina. Según Tellex, este tipo de información puede ser comprimido hasta ocupar tan sólo entre cinco y diez megabytes, aproximadamente el tamaño de una canción.
Tellex estuvo entre los primeros participantes del proyecto RoboBrain, que demostró que un robot podía aprender de la experiencia de otro. Su colaborador, Ashutosh Saxena, entonces de la Universidad de Co ell (EEUU), enseñó a su robot PR2 a levantar pequeños vasos y colocarlos sobre una mesa. Entonces, desde la Universidad de Brown, Tellex bajó esa información de la nube y la utilizó para entrenar a su robot Baxter, físicamente diferente al PR2, para que realizara la misma tarea en un ento o distinto.
Tales progresos pueden parecer graduales ahora, pero durante los próximos cinco a diez años se producirá "una explosión en las capacidades de los robots", afirma Saxena, que ahora es CEO de una start-up llamada Brain of Things. Según las nueva investigaciones vayan aumentando y refinando los conocimientos alojados en la nube, asegura que, "los robots deberían tener acceso a toda la información que necesitan, todo al alcance de sus pinzas".
Esta es la lista completa de Las 10 Tecnologías Emergentes de 2016