Una cosa en la cual los robots son notoriamente malos es en aprender por sí mismos a hacer alguna actividad, pero eso está por cambiar.

Investigadores de la Universidad de Berkeley están desarrollando algoritmos que los robots pueden utilizar para aprender todo tipo de tareas a través de ensayo y error, al igual que lo hacen los humanos.

En términos prácticos, esto podría llevar a robots de servicio a ser capaces de manejar cualquier número de tareas tediosas que preferiríamos no hacer, colocar bombillas, destapar baños, doblar la ropa.

Tradicionalmente, los robots cuenta con una gran cantidad de pre-programación que los equipa para manejar una variedad de escenarios.

Aunque esto funciona razonablemente bien en ambientes controlados de laboratorios o centros médicos, por ejemplo, aprender a adaptarse a lo desconocido es un paso crítico que nuestros robots tendrán que tomar, si cada vez van a estar más integrados en nuestra vida cotidiana.

Para ello, los investigadores están recurriendo a una nueva rama de la inteligencia artificial conocida como el aprendizaje profundo, que se inspira en cómo los circuitos neuronales del cerebro humano perciben e interactúan con el mundo.

“Los seres humanos no nacen con un repertorio de comportamientos que se pueden implementar como una navaja suiza, y que no necesitan ser programados”, dice el investigador Sergey Levine en un comunicado de prensa.

“En cambio, aprendemos nuevas habilidades de la experiencia y de otros seres humanos.

Este proceso de aprendizaje está tan profundamente arraigado en nuestro sistema nervioso, que ni siquiera podemos comunicar a otra persona con precisión cómo debe ejecutarse la habilidad resultante.

Lo que hacemos es ofrecer consejos y orientación a medida que aprenden por su cuenta”.

Si alguna vez ha usado Siri, el programa de voz a texto de Google o Google Street View, ya se ha beneficiado de los últimos avances en este campo.

The usage of the tadalafil side effects blue pills is done by enforcing the blood to flow at a faster rate to the connected tissue structures. They work instantly without causing discount here levitra in canada any side-effects whatsoever. For the millions of people who surf the Internet using search cialis pill cost engines, seeing your site means having it appear as an option on results pages, and going on to click the link. It is recommended to take this medication 5 to 6 find address cialis 5 mg hours. Pero aplicar el aprendizaje profundo a las habilidades motoras ha demostrado ser mucho más difícil.

En términos de complejidad, las tareas físicas van mucho más allá del reconocimiento pasivo de lugares de interés turístico o sonidos.

En experimentos recientes, los investigadores han estado trabajando con un pequeño robot personal que ellos llaman el “Robot Berkeley para la Eliminación de tareas tediosas”, o BRETT.

Para su entrenamiento, a BRETT le presentan una serie de tareas motoras sencillas, como la colocación de clavijas en agujeros o apilar ladrillos LEGO.

El algoritmo de control de aprendizaje de BRETT incluye una función de recompensa que puntúa a Brett basándose en lo bien que aprende una nueva tarea.

Ese sistema de recompensas es clave: los movimientos que llevan a BRETT más cerca de completar su tarea puntúan más alto que los que no lo hacen, y esta información se transmite a través de miles de parámetros en su red neuronal.

Hasta el momento, los resultados del entrenamiento de BRETT han sido asombrosos.

Dada la ubicación de objetos en una escena, BRETT es típicamente capaz de dominar una nueva asignación dentro de diez minutos.

Si BRETT no sabe la ubicación de los objetos y en su lugar tiene que aprender control de visión y motor en conjunto, el proceso puede tardar varias horas.

“Todavía tenemos un largo camino por recorrer antes de que nuestros robots pueden aprender a limpiar una casa o clasificar la ropa, pero nuestros resultados iniciales indican que este tipo de técnicas de aprendizaje profundas pueden tener un efecto transformador en términos de permitir a los robots aprender tareas complejas enteramente de cero “, dijo Pieter Abbeel del Departamento de Ingeniería Eléctrica y Ciencias de la Computación de la Universidad de Berkeley.

“En los próximos cinco a 10 años, podremos ver avances significativos en la capacidad de aprendizaje del robot a través de esta línea de trabajo.”

Fuente: Gizmodo

Artículos relacionados:

Desarrollan robots que aprenden tareas únicamente observando cómo las hacen los humanos Robots aprenden de los humanos “mirando” e imitando El primer almacén gestionado por robots, solo necesita 5 técnicos humanos para tareas de mantenimiento Los robots aprenden a entender el contexto de lo que dicen los humanos Cafetería atendida por robots que no sustituyen a los humanos, ya que son operados por personas discapacitadas Desarrollan robots para tareas de enfermería