Los robots ya no necesitan a los humanos para aprender. Este «programa de estudios» les permite hacerlo de forma autónoma

El campo de la robótica ha evolucionado mucho desde Elektro, considerado el primer robot de la historia. Presentado a finales de la década de los 30 junto a Sparko, un Terrier Escocés robótico, era capaz de mover las cabezas y brazos, inflar globos, articular alrededor de 700 palabras y hasta fumar cigarrillos.

Si bien todavía falta mucho tiempo para tener robots humanoides que ayuden en casa, ya los hay trabajando en fábricas, como el que ha sido tuneado para ser un 400% más rápido en tareas de fabricación, además de terminar maratones de larga duración o hasta vender sus obras artísticas por hasta un millón de dólares. Es cuestión de tiempo que acaben estando presentes en casi cualquier ámbito de la vida diaria.

Sin embargo, los robots todavía tienen mucho que mejorar. Al igual que la inteligencia artificial, es demasiado pronto para disponer de un robot altamente fiable en el que confiar todo tipo de tareas. Pero esto podría cambiar antes de lo que esperábamos, ya que ahora pueden aprender sin necesitar a seres humanos que los guíen.

Con RoVi-Aug, los robots pueden aprender por ellos mismos

Un grupo de ingenieros de UC Berkeley ha creado RoVi-Aug, un framework diseñado para permitir a los robots compartir habilidades entre modelos de forma autónoma. Un framework es una base predefinida que proporciona herramientas, bibliotecas, convenciones y estructuras para facilitar y acelerar el desarrollo de software. Usar un framework puede hacer que el proceso de desarrollo sea más eficiente, organizado y escalable.

RoVi-Aug se entrena con datos mejorados para trabajar instantáneamente con nuevos robots. Se omiten pasos adicionales de prueba, adapta políticas y aprende tareas de múltiples robots, lo que acaba aumentando la eficiencia de la transferencia de habilidades. También aumenta las tasas de éxito hasta en un 30%.

Este programa, según los investigadores, marca un antes y un después hacia el desarrollo de robots más independientes y adaptables. Se ha descubierto que la ampliación de los datos mejora la capacidad de los robots para aprender habilidades generales y confiables. No obstante, los datos son más pequeños que los utilizados en modelos avanzados de inteligencia artificial para la visión y el lenguaje.

Al parecer, la recopilación de datos útiles y diversos de robots del mundo real es lenta, requiere mucha mano de obra y resulta difícil de equilibrar para una formación adaptable. Uno de los modelos existentes, Open-X Embodiment (OXE), combina datos de 60 conjuntos de datos de robots para mejorar el aprendizaje entre robots. De este modo, los robots pueden compartir experiencias y mejoran sus capacidades.

Con RoVi-Aug se presenta un enfoque avanzado diseñado para superar las deficiencias de las técnicas de aprendizaje de robots existentes. Se concentra en enseñar explícitamente modelos para comprender la interacción entre robots y tareas dentro de los datos, en contraste con los métodos convencionales. El nuevo framework crea demostraciones visuales sintéticas que varían según el tipo de robot y los ángulos de cámara, lo que hace que el entrenamiento sea más versátil.

Está formado por dos partes: el módulo de aumento de robot (Ro-Aug), que genera demostraciones con diferentes sistemas robóticos, y el módulo de aumento de punto de vista (Vi-Aug), que simula demostraciones desde varias perspectivas de cámara. Cuando se combinan, el framework proporciona un conjunto de datos más rico y diverso. Es lo que permite a los robots aprender una gama más amplia de escenarios y su capacidad para transferir habilidades entre diferentes modelos y tareas.

Otro de los puntos fuertes del método es que reduce la necesidad de una recopilación intensiva de datos del mundo real, lo que permite a los robots aprender una variedad más amplia de circunstancias. A diferencia de otros métodos, RoVi-Aug no requiere matrices de cámara conocidas y admite el ajuste fino de políticas, lo que mejora el rendimiento en tareas complejas. No obstante, tiene sus inconvenientes que podrían mejorarse en el futuro, como la síntesis de puntos de vista con datos robóticos y el manejo de artefactos, como explica la fuente.

El artículo Los robots ya no necesitan a los humanos para aprender. Este «programa de estudios» les permite hacerlo de forma autónoma fue publicado originalmente en Urban Tecno.