.

Science Robotics / John Hopkins University, Will Kirk / Homewood Photography

Robótica

Este robot gana a la Jenga con nociones de física y sentido del tacto

1

Gracias a esta combinación de habilidades, la máquina razona por sí misma qué piezas debe mover y cómo moverlas. El enfoque podría lograr que los robots industriales sean más útiles y menos torpes

  • por Will Knight | traducido por Ana Milutinovic
  • 04 Febrero, 2019

A pesar de los deslumbrantes avances en la inteligencia artificial (IA), los robots siguen siendo terriblemente torpes (ver Los robots demuestran que aún son "estúpidos" en el reto DARPA).

Para hacerlos más adaptables y hábiles, investigadores y empresas están recurriendo cada vez más al aprendizaje automático. Por lo general, esto implica enseñarle un vídeo de lo que hay frente a él y pedirle que aprenda qué movimientos debe hacer para manipular dicho objeto. Por ejemplo, un equipo de OpenAI, una organización sin ánimo de lucro en San Francisco (EE.UU.), enseñó a una mano robótica a manipular un cubo infantil de esta manera (ver La IA que pasó cien años de soledad aprendiendo a usar una mano).

Pero los humanos usamos más cosas además de los ojos para aprender a manejar objetos. La visión se combina con un sentido del tacto, y aprendemos, desde el principio, que los objetos colocados de forma inestable probablemente se caerán.

Este esquema de aprendizaje fue la inspiración para un nuevo robot desarrollado por el investigador del MIT Nima Fazeli y sus compañeros. El equipo ha dotado al robot de una comprensión fundamental de la física del mundo real y del sentido del tacto.

Para demostrar su agilidad, el robot se enfrentó a una torre de Jenga, un juego que consiste en ir quitando bloques de la torre sin que se caiga. También mostró su ingenio a la hora de decidir qué bloque quitar sin que la torre se cayera.

La investigación se basa en varias ideas clave desarrolladas por el investigador del Departamento de Ciencias Cognitivas y Estudios de la Mente del MIT Josh Tenenbaum y su trabajo sobre el conocimiento humano. Su enfoque se basa en que los humanos desarrollan una comprensión intuitiva de la física desde pequeños, y que la probabilidad es la clave para razonar sobre el mundo. Esto difiere de muchas de las actuales investigaciones de IA, que giran en torno a la alimentación de las redes neuronales muy grandes o "profundas" con la mayor cantidad de datos posible.

El robot, equipado con sensores de fuerza y ​​cámaras, aprendió a jugar a Jenga toqueteando y empujando los bloques y utilizando la retroalimentación visual y táctil para aprender el esquema físico del mundo. Cuando se enfrentó a una nueva torre de bloques, usó ese esquema para deducir qué bloque debería intentar quitar de la torre. Se puede ver lo bien que se le daba en el vídeo de arriba.

Al combinar la visión, el tacto y este modelo físico del mundo real, el robot aprende a jugar a Jenga de la manera más eficiente posible. El modelo físico intuitivo también permite al robot comprender rápidamente que lo más probable es que un bloque que cuelga sobre un borde se caiga. En las pruebas, este enfoque superó a los métodos convencionales de aprendizaje automático. El estudio se ha publicó la semana pasada en la revista Science Robotics.

Esta técnica más humana de aprendizaje podría ayudar a que los robots de fábricas y almacenes sean mucho más capaces. Si eso falla, al menos podríamos jugar a Jenga con ellos.

Robótica

 

La inteligencia artificial y los robots están transofrmando nuestra forma de trabajar y nuestro estilo de vida.

  1. La importancia de que este dron sea capaz de posarse como un pájaro

    Un simple mecanismo de agarre, que imita los posados de aves y murciélagos, permite que los vehículos aéreos no tripulados ahorren energía al apoyarse en salientes y postes. Cuando se cuelga boca abajo puede permanecer largos tiempos observando con todos sus rotores apagados

  2. La próxima Alexa podría tener un cuerpo físico para no ser tan tonta

    El responsable del asistente de voz de Amazon cree que los sistemas de inteligencia artificial deben tener la capacidad de ver y explorar el mundo para alcanzar una comprensión real sobre él. Su cárcel computacional limita su experiencia a la lingüística pura, una de las áreas más complejas

  3. Una IA híbrida capaz de ver y razonar supera a sus predecesoras

    Al combinar el aprendizaje profundo con el razonamiento simbólico, esta inteligencia artificial depende de muchos menos datos etiquetados y tarda menos en comprender nuevos entornos. Este nuevo enfoque, con un enorme potencial, es el que más se asemeja al proceso de aprendizaje humano