Enseñar robots para enseñar robots
El nuevo sistema, C-LEARN, combina dos elementos tradicionales del aprendizaje robótico: el aprendizaje mediante demostración y algo llamado planificación de movimiento, acciones que los desarrolladores deben codificar. Dicen que esta nueva técnica está destinada a facilitar que los robots realicen una amplia gama de tareas con menos programación.
"Los robots podrían ser de gran ayuda si más personas pudieran utilizarlos". Claudia Pérez-D'Arpino, dijo a Digital Trends un candidato a doctorado que trabajó en el proyecto. Explicó que el motivo del equipo era mantener algunas de las habilidades de alto nivel habilitadas por programadores de última generación, al tiempo que se permitía que el sistema aprendiera mediante demostración.
Vídeos recomendados
Programar robots para que realicen incluso una sola tarea puede resultar complicado, ya que implica instrucciones precisas que requieren tiempo para codificarse. En cambio, Perez-D'Arpino y su equipo desarrollaron C-LEARN para permitir que los expertos se centren en las tareas más relevantes para sus respectivos campos. Con este sistema, los no codificadores pueden proporcionar a los robots fragmentos de datos sobre una acción y luego llenar los vacíos mostrándole al robot una demostración de la tarea en cuestión.
Jason Dorfman / MIT CSAIL
"Queríamos... capacitar [a los expertos] para que enseñen a los robots cómo planificar tareas que son críticas en su campo de aplicación", dijo Pérez-D'Arpino. "Los avances de los últimos años en materia de aprendizaje de las manifestaciones van en esta dirección",
C-LEARN funciona acumulando un conjunto de experiencias, que los investigadores denominan base de conocimientos. Esta base contiene información geométrica sobre cómo alcanzar y agarrar objetos. A continuación, el operador humano le muestra al robot demostraciones en 3D de la tarea en cuestión. Al relacionar su base de conocimientos con la acción que observó, el robot puede hacer sugerencias sobre la mejor manera de realizar las acciones, y el operador puede aprobar o editar las sugerencias como mejor le parezca.
"Esta base de conocimientos se puede transferir de un robot a otro", afirmó Pérez-D'Arpino. “Imagine que su robot está descargando una 'aplicación' para desarrollar habilidades de manipulación. La 'app' puede adaptarse al nuevo robot con un cuerpo diferente gracias a la flexibilidad que supone tener restricciones aprendidas, que son una cuestión matemática. representación del requisito geométrico subyacente de la tarea, que es diferente de aprender un camino específico que podría no ser factible en el nuevo cuerpo de robot”.
En otras palabras, C-LEARN permite que ese conocimiento se transfiera y se adapte a su contexto, algo así como un atleta puede aprender un habilidad en un deporte y modificarla ligeramente para desempeñarse mejor en un deporte diferente, sin tener que volver a aprender completamente el acción.
Los investigadores probaron C-LEARN en Optimus, un pequeño robot de dos brazos diseñado para desactivar bombas, antes de transferir con éxito la habilidad a Atlas, un humanoide de seis pies de altura. Creen que el sistema podría ayudar a mejorar el rendimiento de los robots en la fabricación y la ayuda en casos de desastre, para permitir respuestas más rápidas en situaciones urgentes.
Recomendaciones de los editores
- El MIT aprende a hacer que los robots sean menos torpes poniéndoles cámaras en los dedos
- Mira cómo los Mini Cheetahs del MIT se preparan para el apocalipsis de los robots
- El robot serpiente del MIT está diseñado para arrastrarse a través de los vasos sanguíneos del cerebro
- Los niños genios del MIT consiguieron un robot para afrontar el #BottleCapChallenge viral
- Los investigadores japoneses utilizan la IA de aprendizaje profundo. para hacer que los robots de madera flotante se muevan
Mejora tu estilo de vidaDigital Trends ayuda a los lectores a mantenerse al tanto del vertiginoso mundo de la tecnología con las últimas noticias, reseñas divertidas de productos, editoriales perspicaces y adelantos únicos.
