Bienvenido a la universidad de robots (solo los robots deben postularse)

Fotografía de un brazo robótico. Sr. tecnología

Uno de los héroes anónimos de la revolución de la IA es una base de datos poco conocida llamada ImageNet . Creado por investigadores de la Universidad de Princeton, ImageNet contiene unos 14 millones de imágenes, cada una de ellas anotada por un texto colaborativo que explica lo que muestra la imagen.

ImageNet es importante porque es la base de datos en la que muchas de las poderosas redes neuronales de hoy en día se afianzan. Las redes neuronales aprenden mirando las imágenes y el texto que las acompaña, y cuanto más grande es la base de datos, mejor aprenden. Sin ImageNet y otros conjuntos de datos visuales similares, incluso las redes neuronales más poderosas no podrían reconocer nada.

Ahora los especialistas en robótica dicen que quieren probar un enfoque similar con video para enseñar a sus protegidos cómo interactuar con el medio ambiente. Sudeep Dasari de la Universidad de California, Berkeley, y sus colegas están creando una base de datos llamada RoboNet, que consta de datos de video anotados de robots en acción. Por ejemplo, los datos pueden incluir numerosas instancias de un robot que mueve una taza sobre una mesa. La idea es que cualquiera pueda descargar estos datos y usarlos para entrenar la red neuronal de un robot para mover una taza también, incluso si nunca antes ha interactuado con una taza.

Dasari y compañía esperan convertir su base de datos en un recurso que pueda entrenar previamente a casi cualquier robot para realizar casi cualquier tarea: una especie de universidad de robots, que el equipo llama RoboNet.

Hasta ahora, los especialistas en robótica han tenido un éxito limitado al enseñar a sus protegidos cómo navegar e interactuar con el entorno. Su enfoque es la técnica estándar de aprendizaje automático que ImageNet ayudó a popularizar.

Comienzan registrando la forma en que un robot interactúa con, por ejemplo, un cepillo para moverlo por una superficie. Luego toman muchos más videos de su movimiento y usan los datos para entrenar una red neuronal sobre la mejor manera de realizar la acción.

El truco, por supuesto, es tener muchos datos; en otras palabras, innumerables horas de video para aprender. Y una vez que un robot ha dominado el movimiento de cepillos, debe pasar por el mismo procedimiento de aprendizaje para mover casi cualquier otra cosa, ya sea una cuchara o un par de anteojos. Si el entorno cambia, estos sistemas de aprendizaje generalmente tienen que empezar de nuevo.

La práctica común de volver a recopilar datos desde cero para cada nuevo entorno esencialmente significa volver a aprender los conocimientos básicos sobre el mundo, un esfuerzo innecesario, dicen Dasari y compañía.

RoboNet soluciona esto. Proponemos RoboNet, una base de datos abierta para compartir experiencias robóticas, dicen. Entonces cualquier robot puede aprender de la experiencia de otro.

Para poner en marcha la base de datos, el equipo ya ha grabado unos 15 millones de cuadros de video de tareas utilizando siete tipos diferentes de robots con diferentes pinzas en una variedad de entornos.

Dasari y compañía continúan mostrando cómo usar esta base de datos para pre-entrenar robots para tareas que nunca antes habían intentado. Y dicen que los robots entrenados con este enfoque se desempeñan mejor que aquellos que han sido entrenados convencionalmente con incluso más datos.

El datos RoboNet está disponible para que cualquiera lo use. Y, por supuesto, Dasari y compañía esperan que otros equipos de investigación comiencen a contribuir con los suyos para hacer de RoboNet un gran recurso de aprendizaje automático.

Es un trabajo impresionante que tiene un potencial significativo. Este trabajo da el primer paso hacia la creación de agentes robóticos que pueden operar en una amplia gama de entornos y en diferentes hardware, dice el equipo.

Por supuesto, hay importantes desafíos por delante. Por ejemplo, los investigadores deben averiguar cuál es la mejor manera de utilizar los datos: el jurado aún está deliberando sobre los regímenes de capacitación más efectivos. Esperamos que RoboNet inspire a las comunidades más amplias de robótica y aprendizaje por refuerzo a investigar cómo escalar los algoritmos de aprendizaje por refuerzo para cumplir con la complejidad del mundo real, dicen.

El resultado es a la vez impresionante y estimulante: una especie de universidad de robots que puede proporcionar a cualquier robot las habilidades que necesita para aprender.

ImageNet ha sido un factor clave para hacer que la visión artificial sea tan buena como los humanos en el reconocimiento de objetos. Si RoboNet tiene solo la mitad de éxito, será una ganancia impresionante.

Ref: arxiv.org/abs/1910.11215 : RoboNet: aprendizaje multirobot a gran escala

esconder