Los robots cambiarán por completo el ámbito laboral en un futuro. Uno de los elementos cruciales para lograrlo es que sean capaces de saber cuáles son las labores que han de realizar de una forma más fluida.
Para hacerlo, científicos del laboratorio de informática e inteligencia artificial (CSAIL) del MIT han desarrollado un sistema que supera a los actuales procesos de aprendizaje, ya que han conseguido que los robots enseñen directamente a otras máquinas, sin mediación humana.
Hasta ahora, la mayoría de los robots se programan o bien a base de una demostración continua (observan varias veces una tarea que se está haciendo y luego la replican), o bien mediante técnicas de planificación de movimiento, lo que requiere que un programador codifique explícitamente las metas de una tarea y las restricciones de las mismas.
Ahora el MIT ha conseguido unir las dos técnicas en una para que sean los propios robots los que sean capaces de enseñar a otros a realizar una función. El método, bautizado como C-LEARN, aboga por una forma de aprendizaje más cercana a como lo hacen los humanos.
Con este nuevo método, un robot puede transferir las habilidades adquiridas a otros robots de forma automática, incluso si no son la misma clase de robot, sino que basta con que puedan realizar la misma tarea. Para aprender, el robot obtiene la información de los objetos que va a manipular con sus características principales y, en base a eso, con una única demostración de la tarea el 'aprendiz' ya comprende el proceso y sabe cómo ha de actuar.
Robots más versátiles... y asequibles
Esta nueva forma de aprendizaje permitirá que los robots sean más versátiles y puedan llevar a cabo más funciones dentro de una misma empresa, algo clave para amortizar la inversión en tecnología.
Por ejemplo, sería extrapolable a una fábrica de coches. Un neumático y un volante tienen formas similares, pero para unirlos a un coche, el robot tiene que configurar sus brazos para moverlos de forma diferente. La base de conocimientos es la que determina qué información es la necesaria para que el robot lo haga.
Una vez que se ha asumido las propiedades de cada objeto, una interfaz tridimensional muestra al robot una sola demostración de la tarea específica, que está representada por una secuencia de momentos relevantes conocidos como "fotogramas clave". Al hacer coincidir estos fotogramas clave con las diferentes situaciones de la base de conocimientos, el robot puede sugerir automáticamente planes de movimiento para que el operador apruebe o edite según sea necesario.
"Al combinar la intuición del aprendizaje de la demostración con la precisión de los algoritmos de planificación de movimiento, este enfoque puede ayudar a los robots a realizar nuevos tipos de tareas que no han podido aprender antes, como el ensamblaje de varios pasos usando ambos brazos", expone Claudia Pérez-D'Arpino, estudiante del doctorado que escribió el paper de C-LEARN junto con la profesora Julie Shah.
