Los robots que enseñan pueden acelerar en gran medida los procesos de aprendizajes de nuevos robots.

Agarrar un bolígrafo o una gafas de sol puede resultar un proceso sencillo para nosotros, pero ese gesto tan sencillo es un todo un desafío para un robot, especialmente si este nunca ha interactuado antes con un objeto similar o está una posición diferente.

Pero como suele decirse, la práctica hace al maestro, y tras varios análisis con cámaras y otros sensores, el robot procede a realizar el primer intento para agarrar el objeto. A partir de ese momento llega otra tanda de operaciones que debe realizar antes de alzarlo, como agitar el objeto para asegurarse de que no se caerá…

Acelerar el aprendizaje con robots que enseñan

robotsqueenseñan2

Como vemos, este procedimiento puede resultar muy tedioso, sin embargo, una vez que el robot aprende cómo agarrar un objeto, este puede compartir sus conocimientos con otros robots, siempre que utilicen los mismos sensores y manos. Los investigadores detrás de esta tarea esperan conseguir en un futuro una comunidad de cientos de robots enseñando y aprendiendo los unos de los otros.

Los responsables del proyecto, Stefanie Tellex y su estudiante John Oberlin, de la Brown University, han utilizado un robot industrial de dos brazos bautizado como Baxter, para demostrar en el Northeast Robotics Colloquium de la misma universidad, las habilidades que su robot ha aprendido gracias a este sistema.

Para agarrar un objeto, Baxter escanea este previamente desde varios ángulos usando diferentes cámaras, después procede a agarrarlo de una forma más ágil que otros robots. Esto es debido a que los investigadores usan técnicas matemáticas para optimizar el proceso practicando diferentes agarres. Con esta técnica, Baxter reduce el tiempo y esfuerzo empleado en nada menos que un 75% que el software tradicional. Una vez solucionado el enigma, este codifica los datos en un formato que permite su compartición a través de Internet.

robotsqueenseñan3

“Tenemos algoritmos muy potentes ahora, como los basados en machine learning, que pueden aprender de grandes bases de datos, pero estos algoritmos requieren de la carga previa de esos datos” afirma Tellex. “La práctica de los propios robots es la mejor forma de adquirir los datos que se necesitan para que aprendan a manipular con seguridad cualquier objeto.”

Aunque los humanos también aprenden diferentes tareas mediante aprendizaje, un niño no necesita emplear demasiado tiempo en agarrar diferentes objetos, dado que puede utilizar su experiencia previa para averiguar cómo agarrar cualquier objeto de la forma más eficiente. Y ese es precisamente el objetivo de Tellex, dotar a los robots con capacidades similares, con la capacidad de generalizar cierta información de unos objetos a otros.

Vía | MIT Technology Review