Investigadores de UC Berkley, dirigidos por Sergey Levine, demostraron que un perro robot no entrenado es capaz de aprender a caminar al aire libre en menos de 20 minutos.
Para lograr esta hazaña, utiliza un tipo especial de aprendizaje automático llamado aprendizaje de refuerzo profundo y funciona en varios entornos diferentes, incluido un césped, una ruta de senderismo o incluso un colchón de espuma viscoelástica.
Hace uso de un algoritmo llamado Q-learning y, a diferencia de otros modelos, este no requiere un modelo de trabajo del terreno objetivo.
Esto significa que los investigadores no necesitan comprender cómo funciona la física de un entorno, ya que todo lo que se requiere es colocar el robot en el entorno y encenderlo.
Sin embargo, el robot recibe una recompensa por cada acción realizada con éxito.
Luego repite el proceso continuamente mientras compara sus acciones exitosas anteriores hasta que el robot pueda caminar por sí solo.
“Creo que es muy impresionante.
Honestamente, estoy un poco sorprendido de que puedas usar algo tan simple como Q-learning para aprender habilidades como caminar sobre diferentes superficies con tan poca experiencia y tan rápido en tiempo real“, dijo Chris Watkins, Profesor de Ciencias de la Computación en Royal Holloway, Universidad de Londres.
Fuente: New Scientist
Los materiales magnéticos son esenciales para nuestra tecnología, desde discos duros hasta microchips. (more…)
Un equipo de investigación dirigido por la QUT ha desarrollado una película ultradelgada y flexible…
Un equipo dirigido por el profesor Jang Kyung-In del Departamento de Robótica e Ingeniería Mecatrónica…
Científicos de Corea del Sur han desarrollado enjambres de pequeños robots magnéticos que trabajan juntos…
El Instituto de Surrey para la Inteligencia Artificial Centrada en las Personas (PAI) de la…
RT-G es un robot avanzado diseñado para escenarios de confrontación. (more…)