Este robot probablemente pueda vencerte en Jenga, gracias a su comprensión del mundo.

CIENCIA ROBÓTICA / IMAGEN DE PORTADA: UNIVERSIDAD JOHN HOPKINS, WILL KIRK / FOTOGRAFÍA DE HOMEWOOD Ciencia Robótica / Imagen de portada: Universidad John Hopkins, WILL KIRK / HOMEWOOD PHOTOGRAPHY

A pesar de los deslumbrantes avances en IA, los robots siguen siendo terriblemente torpes.

Cada vez más, los investigadores y las empresas recurren al aprendizaje automático para hacerlos más adaptables y diestros. Esto generalmente significa enviarle al robot un video de lo que está frente a él y pedirle que descubra cómo debe moverse para manipular ese objeto. Por ejemplo, los investigadores de OpenAI, una organización sin fines de lucro en San Francisco, enseñó a una mano robótica a manipular el bloque de un niño De este modo.

Pero los humanos, por supuesto, usan más que solo sus ojos para aprender a manejar objetos. La visión se combina con el sentido del tacto, y pronto aprendemos que los objetos colocados de manera inestable probablemente se caigan.

Eso es lo que inspiró un nuevo robot, desarrollado por Nima Fazeli y sus colegas en el MIT, al que se le ha dado una comprensión fundamental de la física del mundo real y un sentido del tacto utilizable.

Demostró lo ágil que es al dominar Jenga , un juego que consiste en quitar bloques de una torre ensamblada precariamente, idealmente sin que se caiga. El robot también mostró un tipo de ingenio que es crucial para los jugadores humanos: juzgar qué bloque puede eliminar sin que la torre se caiga.

La investigación se basa en varias ideas clave desarrolladas por jose tenenbaum , en el Departamento de Cerebro y Ciencias Cognitivas del MIT, y su investigación sobre la cognición humana. Esto incluye la idea de que los humanos desarrollan una comprensión intuitiva de la física desde una edad temprana y que la probabilidad es clave para razonar sobre el mundo. Esto difiere de muchas investigaciones de IA actuales, que giran en torno a alimentar la mayor cantidad de datos posible a redes neuronales muy grandes o profundas.

El robot, equipado con sensores de fuerza y ​​cámaras, aprende a jugar Jenga empujando y pinchando bloques y utilizando comentarios visuales y táctiles para entrenar un modelo físico del mundo.

Luego, cuando se enfrentó a una nueva torre de bloques, usó el modelo para inferir, de manera probabilística, qué bloque debería tratar de sacar de la torre a continuación. Puedes ver lo bueno que fue en el video de arriba.

ciencia robótica

Al combinar la visión, el tacto y este modelo de física del mundo real, el robot puede aprender a jugar Jenga de manera más eficiente de lo que sería posible de otra manera. El modelo de física intuitiva también permite que el robot comprenda rápidamente que un bloque que cuelga sobre un borde probablemente se caerá. En las pruebas, el enfoque superó los métodos convencionales de aprendizaje automático. la investigacion es publicado hoy en la revista Science Robotics .

Esta técnica de aprendizaje más parecida a la humana podría ayudar a que los robots de fábricas y almacenes sean mucho más capaces. Si eso falla, al menos podrían desafiarte a un divertido juego de mesa.

esconder