Este robot sólo tarda 2 horas en aprender a caminar por sí solo

En un estudio reciente realizado en Google, los ingenieros intentaron utilizar un modelo de inteligencia artificial (IA) como base para crear un robot de 4 patas que puede aprender a moverse de forma extremadamente natural sin necesitar demasiada ayuda de los humanos, como avanzar. hacia atrás, girando a izquierda y derecha. Además, también puede aprender a moverse con precisión en tres tipos diferentes de terreno, incluido terreno plano, cojines suaves y felpudos con huecos.

Esto puede parecer simple, pero en realidad es muy difícil diseñar controladores de robots que puedan manejar comandos de navegación tan diversos y complejos, especialmente en diferentes tipos de terreno, sin la ayuda de la IA. La cuestión clave es que los robots pueden autoaprender y adaptarse a muchas situaciones, en lugar de necesitar siempre la intervención humana en cada paso.

La tecnología de IA utilizada en este proyecto se denomina "aprendizaje por refuerzo profundo", un enfoque basado en tecnología de aprendizaje profundo inspirada en la psicología del aprendizaje y el "aprendizaje por prueba" y el "aprendizaje por error". El poder del aprendizaje por refuerzo profundo se demostró por primera vez en 2013, cuando DeepMind lanzó un modelo de inteligencia artificial que podía aprender a jugar juegos clásicos de Atari sin instrucciones.

Los investigadores en robótica también suelen utilizar videojuegos, o al menos juegos de simulación, para entrenar sus modelos de IA. Crea un excelente entorno teórico que permite a los investigadores entrenar sus robots en un mundo virtual antes de salir al mundo real, ayudando al robot a reconocer y recordar situaciones que experimenta cuando aprende a realizar una tarea específica.

Además, los investigadores de Google también están promoviendo el desarrollo de algoritmos mejorados que permitan a sus robots aprender más rápido con menos pruebas.

El hecho de que un robot pueda aprender a caminar por sí solo en 2 horas puede no ser un resultado sorprendente, pero muestra una clara diferencia en eficiencia en comparación con los ingenieros que tienen que programar específicamente cada operación. La forma en que operan los robots es manual y extremadamente pasiva como antes. Sin embargo, las dificultades que encontró el equipo de Google también fueron enormes.

“Aunque muchos algoritmos de aprendizaje no supervisado o aprendizaje por refuerzo profundo se han demostrado en simulación, aplicarlos a robots en experimentos del mundo real no es sencillo. En primer lugar, el aprendizaje por refuerzo profundo requiere una gran cantidad de datos de entrenamiento de entrada y la recopilación de datos del robot también es muy costosa. En segundo lugar, el proceso de formación requiere dedicar mucho tiempo a supervisar el robot. Si necesitáramos que un humano monitoreara el robot y lo reiniciara manualmente cada vez que se dispara (cientos o miles de veces), se necesitaría mucho esfuerzo y tiempo para entrenar al robot. Cuanto más tarde, más difícil será escalar el aprendizaje de los robots en muchos entornos diferentes", afirmó Jie Tan, uno de los ingenieros clave del proyecto.

En el futuro, esta investigación podría ayudar a crear robots más ágiles que puedan adaptarse más rápidamente a diferentes tipos de terreno. El potencial de aplicación es enorme; sin embargo, el proyecto se encuentra sólo en las primeras etapas de desarrollo y aún habrá muchos desafíos que superar.