Mano robótica aprende a realizar acciones después de "conocerse a sí misma" [VIDEO]

Robert Kwiatkowski & Hod Lipson / Science Robotics, 2019

Ingenieros estadounidenses enseñaron a una mano robotica a realizar tareas de forma independiente con la ayuda de un estudio preliminar de las capacidades de su propio cuerpo. Para ello, la mano-robot primero investigó el espacio, realizó 1.000 movimientos diferentes y registró el punto final de cada uno de ellos, y luego utilizó estos datos cuando realizó dos tareas: escribir saludos y llevar bolas. La descripción de la investigación se publica en Science Robotics.

Las personas tienen una buena capacidad para entender sus propios cuerpos. En ausencia de trastornos neurológicos específicos, podemos planificar las acciones necesarias para caminar o levantar un objeto, y también podemos imaginar lo que sucedería si nos acercamos a una pared demasiado rápido.

La percepción de nuestro cuerpo nos ayuda a realizar y planificar acciones, pero los sistemas robóticos no cuentan con esa capacidad: por lo general, aprenden a hacer algo a través de numerosas repeticiones de acciones preprogramadas. Esto es muy efectivo para un número limitado de acciones, pero puede que no funcione cuando se expande la capacidad del sistema. Precisamente, por ello para entrenar robots se usa a menudo algoritmos de aprendizaje sin maestro, lo que les permite aprender a realizar acciones sin datos marcados previamente, es decir, de forma casi autónoma.

En el nuevo trabajo, Robert Kwiatkowski y Hod Lipson, de la Universidad de Columbia, decidieron entrenar a robots para que hicieran las cosas por sí mismos, y le enseñaron a percibir los límites y las posibilidades de su propio diseño. Para ello, forzaron al robot a realizar 1.000 movimientos en diferentes direcciones, registrando la acción resultante en las coordenadas absolutas de la posición del manipulador.

Después, los datos de todas las trayectorias se usaron para entrenar al robot con dos métodos de aprendizaje profundo: levantar y mover las bolas y escribir un texto. Al conocer el espacio circundante, el robot pudo aprender cómo predecir la ubicación adicional del manipulador para la ejecución efectiva de la tarea.

Curiosamente, la efectividad del algoritmo de aprendizaje obtenido no depende de la morfología del robot: después de colocar un limitador especial en la parte móvil del roboruki, el robot pudo notar cambios en su propio cuerpo y aprendió cómo determinar su posición nuevamente, luego de lo cual, usando nuevos datos, pudo continuar con las tareas.

 

María Cervantes
Esta noticia ha sido publicada originalmente en N+1, ciencia que suma.

Sobre N+1: Es la primera revista online de divulgación científica y tecnológica que permite la reproducción total o parcial de sus contenidos por medios de comunicación, bloggers e influencers, realizando la mención del texto y el enlace a la web: “Esta noticia ha sido publicada originalmente en la revista N+1, ciencia que suma: www.nmas1.org”.​​​​​​

 

Novedades

Suscríbete

Déjanos tu mail para recibir nuestro boletín de noticias

La confirmación ha sido enviada a tu correo.