.

Nicolas Ortega

Robótica

TR10: Destreza robótica

1

Los modelos virtuales ayudan a los robots a aprender a hacer tareas físicas complejas por sí mismos a base de prueba y error

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

  • ¿Qué? Los robots se están enseñando a sí mismos a desenvolverse en el mundo físico

  • ¿Por qué? Si los robots aprendieran a lidiar con el desorden del mundo real, serían capaces de hacer muchas más cosas útiles

  • ¿Quién? OpenAI, Universidad Carnegie Mellon, Universidad de Michigan, UC Berkeley

  • ¿Cuándo? De tres a cinco años

A pesar de todo lo que se oye sobre las máquinas que destruyen empleo, los robots industriales son torpes y poco versátiles. Una máquina puede agarrar piezas en una línea de ensamblaje con una precisión asombrosa, sin descanso y sin aburrirse nunca. Pero si movemos el objeto media pulgada o lo reemplazamos por otro ligeramente diferente, la máquina lo buscará sin parar o intentará agarrar el aire.

Los robots aún no pueden ser programados para descubrir cómo agarrar un objeto con solo mirarlo, como hacen las personas. Pero ahora sí son capaces de aprender a manipular el objeto por sí mismos a través de un método virtual de prueba y error. Uno de los proyectos con esta misión es Dactyl, un robot que se enseñó a sí mismo a voltear un cubo de juguete con los dedos (ver La IA que pasó cien años de soledad aprendiendo a usar una mano). Dactyl, creado por la organización sin ánimo de lucro OpenAI de San Francisco (EE.UU.), consiste en una mano de robot lista para usar, rodeada por una serie de luces y cámaras. Gracias a lo que se conoce como aprendizaje reforzado, el software de la red neuronal aprende a agarrar y girar un cubo dentro de un entorno simulado antes de que la mano lo pruebe de verdad. El software experimenta, al principio, al azar, fortaleciendo las conexiones dentro de la red a lo largo del tiempo a medida que se acerca a su objetivo.

Si los investigadores logran usar este tipo de aprendizaje de manera fiable, los robots podrían montar aparatos, llenar el lavavajillas e incluso ayudar a la abuela a levantarse de la cama.

En general, no es posible transferir ese tipo de práctica virtual al mundo real, porque simular algo como la fricción o las variadas propiedades de diferentes materiales resulta muy complicado (ver Este robot virtual se autoenseña artes marciales como en 'Matrix'). El equipo de OpenAI lo solucionó añadiendo aleatoriedad al entrenamiento virtual, es decir, dándole al robot una aproximación para el desorden de la realidad. Hacen falta más innovaciones para que los robots dominen la destreza avanzada necesaria en un almacén o fábrica real (ver Este robot gana a la Jenga con nociones de física y sentido del tacto). Pero si los investigadores logran usar este tipo de aprendizaje de manera fiable, los robots podrían montar aparatos, llenar el lavavajillas e incluso ayudar a la abuela a levantarse de la cama.

Robótica

 

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

  1. La IA empieza a centrarse en la causas en lugar de las correlaciones

    A la inteligencia artificial se le da muy bien para encontrar patrones en los datos, pero este enfoque no revela la causa-efecto de las cosas y resulta muy limitado para entender el mundo real. Un investigador acaba de presentar una estrategia que podría conseguir que la IA analice las relaciones causales

  2. Por qué necesitamos expertos que estudien cómo se comporta la IA

    Aún no entendemos cómo toman las máquinas algunas decisiones. Para solucionarlo, un grupo de investigadores ha propuesto crear una nueva disciplina de estudio que se encargue de analizarlas de la misma forma que los científicos sociales estudian a las personas: a través de observación y experimentación

  3. Un robot penetra en el corazón de un cerdo vivo igual que los cirujanos

    Se trata del primer catéter robótico que logra esta hazaña de forma 100 % autónoma, y que podría liberar a los profesionales de esta delicada tarea. Gracias a sus sensores ópticos y táctiles alcanzó una precisión del 95 %, sin causar hematomas ni daños en los tejidos, un rendimiento similar al de los médicos