211service.com
Google construye un jardín de infancia robótico Hive-Mind
¿Cuántos robots se necesitan para abrir una puerta? Si los robots están tratando de descubrir cómo hacer la tarea desde cero, entonces es útil tener tantos como sea posible involucrados.
En tres trabajos de investigación separados publicados en línea el lunes, los investigadores de Google y otras subsidiarias de Alphabet mostraron varias formas en que los robots pueden aprender a realizar tareas simples más rápidamente al compartir diferentes tipos de experiencias de aprendizaje.
Los investigadores están entrenando equipos de robots industriales para realizar tareas simples utilizando una técnica llamada aprendizaje por refuerzo, que combina prueba y error con retroalimentación positiva. Por el momento, estas tareas son extremadamente simples, como abrir puertas o empujar objetos. Pero tales avances serán cruciales si los robots alguna vez serán capaces de ayudar con las tareas cotidianas, como doblar la ropa o lavar los platos.
Cuatro robots practican abriendo diferentes puertas.
Aunque los robots son cada vez más baratos y más capaces, programarlos para que se comporten de manera confiable en situaciones cotidianas impredecibles es una tarea casi imposible. El aprendizaje por refuerzo ofrece una solución, al permitir que los robots esencialmente se programen a sí mismos a medida que aprenden en el trabajo. Pero puede llevar mucho tiempo para un bot individual probar muchas formas diferentes de realizar una tarea. Compartir el proceso de aprendizaje, una técnica a menudo llamada robótica en la nube, puede ayudar a acelerar el proceso, aunque la idea permanece en una etapa inicial (consulte 10 tecnologías innovadoras: robots que se enseñan entre sí).
En los tres documentos publicados el lunes, sergey levine , un científico investigador de Google que lidera el esfuerzo de aprendizaje de robots, y sus colegas detallan varias estrategias de aprendizaje que se pueden distribuir entre un grupo de robots.
En cada caso, los robots involucrados utilizan redes neuronales que intentan predecir el resultado de diferentes acciones. Cada robot varía ligeramente su comportamiento y luego refuerza las variaciones que otorgan mayores recompensas. Luego, estas redes se retroalimentan periódicamente a un servidor central que construye una nueva red neuronal que combina todo el comportamiento aprendido, y esa red se redistribuye a los robots para otra ronda de entrenamiento.
En el primer experimento, el objetivo era girar la manija de una puerta y abrirla, y cuatro robots diferentes se pusieron a trabajar practicando en diferentes puertas y tipos de manijas. 'Dado que los robots fueron entrenados en puertas que se ven diferentes entre sí, la política final tiene éxito en una puerta con una manija que ninguno de los robots había visto antes', escribió Levine en un entrada en el blog en coautoría con Timothy Lillicrap, investigador de Google DeepMind, y Mrinal Kalakrishnan, investigador de X, el centro de investigación 'moonshot' de Google.
En el segundo experimento, el proceso de aprendizaje de los robots se aceleró gracias a las interacciones de una persona que guía un brazo robótico. Y en un tercero, un robot descubrió cómo mover y rotar objetos utilizando la información de una cámara y una capacidad aprendida para predecir cómo las acciones cambiarían la imagen, lo que los investigadores describen como un modelo físico simple del mundo. Estefanía Tellex , profesor asistente en la Universidad de Brown que estudia el aprendizaje de robots, dice que esta es una idea emocionante. 'Predecir los efectos físicos de acciones como empujar es emocionante porque le permite al robot comprender algo sobre cómo funciona el mundo', dice.
Evidentemente, la empresa está interesada en aprovechar al máximo lo que podría ser una próxima revolución en el campo gracias a la aplicación de técnicas de aprendizaje automático. Algunos fabricantes de robótica ya están explorando formas de utilizar el aprendizaje por refuerzo para agilizar la programación de sus productos.
'Por supuesto, los tipos de comportamientos que los robots de hoy pueden aprender todavía son bastante limitados', escribieron los autores. 'Sin embargo, a medida que mejoran los algoritmos y los robots se implementan más ampliamente, su capacidad para compartir y poner en común sus experiencias podría ser fundamental para que nos ayuden en nuestra vida diaria'.