211service.com
Robot See, Robot Do: cómo los robots pueden aprender nuevas tareas mediante la observación
Puede llevar semanas reprogramar un robot industrial para realizar una nueva tarea complicada, lo que hace que la remodelación de una línea de fabricación moderna sea terriblemente costosa y lenta.
Un robot prepara un cóctel después de ver a una persona realizar la tarea.
El proceso podría acelerarse significativamente si los robots pudieran aprender cómo hacer un nuevo trabajo al ver a otros hacerlo primero. Esa es la idea detrás de un proyecto en curso en la Universidad de Maryland, donde los investigadores están enseñando a los robots a ser estudiantes atentos.
Lo llamamos una 'academia de entrenamiento de robots', dice yezhou yang , estudiante de posgrado en la Laboratorio de Autonomía, Robótica y Cognición en la Universidad de Maryland. Le pedimos a un experto que le muestre al robot una tarea, y dejamos que el robot descubra la mayoría de las secuencias de cosas que debe hacer, y luego ajuste las cosas para que funcione.
En una conferencia reciente en St. Louis, los investigadores demostraron un robot que prepara cócteles que utiliza los enfoques en los que están trabajando. El robot, una máquina industrial de dos brazos fabricada por una empresa con sede en Boston llamada Repensar la robótica , vio a una persona mezclar una bebida vertiendo líquido de varias botellas en una jarra, y luego copiaría esas acciones, agarrando las botellas en el orden correcto antes de verter las cantidades correctas en la jarra. Yang llevó a cabo el trabajo con Yiannis Aloimonos y Cornelia Fermüller , dos profesores de informática de la Universidad de Maryland.
El enfoque consiste en entrenar un sistema informático para asociar acciones robóticas específicas con secuencias de video que muestren a personas realizando diversas tareas. Un artículo reciente del grupo, por ejemplo, muestra que un robot puede aprender a recoger diferentes objetos usando dos sistemas diferentes viendo miles de videos instructivos de YouTube. Un sistema aprende a reconocer diferentes objetos; otro identifica diferentes tipos de agarre.
Ver miles de videos de YouTube puede parecer lento, pero el enfoque de aprendizaje es más eficiente que programar un robot para manejar innumerables elementos diferentes, y puede permitir que un robot se ocupe de un objeto nuevo. Los sistemas de aprendizaje utilizados para el trabajo de agarre involucraron redes neuronales artificiales avanzadas, que han experimentado un rápido progreso en los últimos años y ahora se utilizan en muchas áreas de la robótica.
Los investigadores están hablando con varias empresas de fabricación, incluida una empresa de productos electrónicos y un fabricante de automóviles, sobre la adaptación de la tecnología para su uso en las fábricas. Estas empresas quieren encontrar formas de acelerar el proceso mediante el cual los ingenieros reprograman sus máquinas. En muchas empresas, normalmente lleva un mes y medio o más reprogramar un robot, dice Yang. Entonces, ¿cuáles son las capacidades actuales de IA que podemos usar para acortar este lapso, tal vez incluso a la mitad?
El proyecto refleja dos tendencias en robótica; uno es encontrar nuevos enfoques para el aprendizaje y otro son los robots que trabajan en estrecha proximidad con las personas. Al igual que otros grupos, los investigadores de Maryland quieren conectar las acciones con el lenguaje para mejorar la capacidad de los robots para analizar instrucciones habladas o escritas (consulte Los robots aprenden a hacer panqueques en los artículos de WikiHow).
Otros académicos también están investigando formas de hacer robots que puedan aprender. Un grupo liderado por pieter abbeel en la Universidad de California, Berkeley, está explorando formas para que los robots aprendan a través de la experimentación. julie shah | , profesor del MIT, está desarrollando formas para que los robots aprendan no solo cómo realizar una tarea, sino también cómo colaborar de manera más efectiva con compañeros de trabajo humanos (ver Innovadores menores de 35 años: Julie Shah).