Pelar un plátano puede parecer sencillo para los humanos, pero requiere de una delicadeza que la mayoría de brazos robóticos no tienen.
No ha sido hasta ahora cuando un robot ha sido capaz de pelar plátanos con soltura.
Y para lograrlo, han tenido que aplicar ‘machine learning’.
Es decir, la máquina ha tenido que fijarse en cómo lo hacíamos los humanos para poder replicarlo con éxito.
Por la piel, por la forma desigual del plátano, por esa textura rugosa y por un cuerpo bastante endeble.
Un plátano es todo un desafío para los robots, tanto a nivel físico para las “pinzas” del robot como para el “cerebro“, donde los algoritmos de visión por computador tienen muchos elementos complejos a tener en cuenta.
Desde la Universidad de Tokio, Heecheol Kim y un equipo de investigadores ha desarrollado un sistema de aprendizaje automático capaz de analizar el plátano y ser capaz que un robot conectado pueda, con sus dos brazos y dos dedos, agarran el plátano y pelarlo.
Para lograrlo, los investigadores hicieron a un humano pelar plátanos durante 811 minutos.
Durante ese tiempo, el sistema de aprendizaje se entrenó para la tarea, dividiendo el proceso en varias fases como el proceso de cogerlo, agarrar la punta, pelarlo y mover el plátano para quitarle el resto de la piel.
El resultado muestra la dificultad de esta tarea, ya que todavía falta para que el robot sea capaz de pelar un plátano tan rápido como nosotros.
Según las pruebas, el robot fue capaz de pelar el plátano sin dañarlo en un 57% de las veces, en un tiempo inferior a los 3 minutos.
Los responsables están orgullosos de que este robot únicamente necesite unas 13 horas de datos para aprender a realizar la tarea, en contraposición con otros sistemas de machine learning que emplean miles de horas y requieren GPUs extremadamente potentes.
El proceso de pelar el plátano es mejorable; el control podría ser más fino y se puede reducir el tiempo.
Sin embargo, defienden que esta tecnología no se utilizará únicamente para los plátanos, sino para otro tipo de tareas complejas que requieren de una gran precisión por parte del robot.
Fuente: New Scientist
Samsung ha presentado Gauss, su propio modelo de inteligencia artificial generativa. Puede procesar lenguaje natural,…
Un equipo de físicos del Instituto de Tecnología de Massachusetts (MIT) ha descubierto una propiedad…
Una carcasa experimental de marcapasos sin cables puede recargar parcialmente la batería del dispositivo generando…
No había mucho en juego, ya que era solo una demostración en vivo, pero la…
La prótesis decodifica señales del centro del habla del cerebro para predecir qué sonido alguien…
El invento ya se probó en un paciente francés, de 63 años, al que le…