En un edificio situado frente de su sede en Seattle (EE. UU.), el Instituto Allen de Inteligencia Artificial (AI2) tiene suficientes muebles de Ikea como para llenar 14 apartamentos diferentes. Este repentino interés por el mobiliario sueco no se debe al diseño de interiores sino al nuevo proyecto del centro para entrenar a algoritmos más inteligentes para controlar robots.

Los robots domésticos como Roomba funcionan bien porque sus tareas son relativamente simples. Serpentear, ir hacia atrás y regresar a los mismos lugares una y otra vez no tiene importancia cuando el objetivo es limpiar siempre el mismo piso. Pero cualquier tarea que requiera una navegación más eficiente o compleja sigue siendo todo un reto para la mayoría de robots de última generación. La investigación necesaria para mejorar este status quo resulta costosa, lo que limita el progreso más avanzado de los laboratorios comerciales con buenos recursos económicos.

Así que el AI2 ha decidido matar dos pájaros de un tiro. Recientemente anunció un nuevo desafío llamado RoboTHOR (THOR por The House Of inteRactions, o La casa de las Interacciones) como una forma de crowdsourcing de mejores algoritmos de navegación y para reducir las barreras económicas para los investigadores que no tengan propios recursos robóticos.

El objetivo final consiste en que la inteligencia artificial (IA) avance más deprisa al involucrar a más grupos de investigación. Las diferentes comunidades científicas deberían aportar distintos puntos de vista y casos de uso que ampliarán el repertorio de las capacidades del robot, lo que acercará al campo a una inteligencia más generalizable.

Foto: Una comparación de comedores reales (izquierda) y simulados (derecha) en una de las configuraciones de los apartamentos. Créditos: AI2

El laboratorio ha diseñado una sala fácilmente reconfigurable, del tamaño de un pequeño estudio, como escenario de las 14 variaciones de apartamentos. También ha recreado réplicas virtuales idénticas en Unity, un popular motor de videojuegos, además de otras 75 configuraciones, todas de código abierto online. Juntas, estas 89 configuraciones en total se convierten en distintos entornos de simulación realistas para que los equipos de todo el mundo entrenen y prueben sus algoritmos de navegación. Los entornos también cuentan con los modelos de robots AI2 y respetan la física del mundo real, como la gravedad y los reflejos de luz, de modo más real posible.

El desafío pide a los equipos que desarrollen algoritmos específicos para dirigir a un robot desde una ubicación inicial aleatoria dentro de una habitación hasta un objeto ubicado en esa habitación sobre el que solo le dirán el nombre. Esto es más difícil que la navegación simple porque requiere que el robot entienda el comando y también reconozca el objeto en su campo visual.

Los equipos competirán en tres fases. En la primera, recibirán los 75 entornos de simulación virtuales para entrenar y comprobar sus algoritmos. En la segunda fase, los mejores recibirán cuatro nuevos entornos virtuales junto a sus correspondientes gemelos físicos. Los equipos podrán ajustar sus algoritmos de forma remota introduciéndolos en los robots reales de AI2.

En la fase final, los que obtengan el mejor resultado deberán demostrar el uso generalizado de sus algoritmos en los últimos 10 apartamentos digitales y en sus gemelos físicos. El mejor equipo de esta fase final se ganará el derecho de presumir así como una invitación para demostrar sus modelos en la Conferencia sobre Visión Artificial y Reconocimiento de Patrones, una de las más importantes en la investigación de IA para los sistemas basados en la visión.

Foto: Varios objetos reales (izquierda) junto a sus gemélos virtuales (derecha). Créditos: AI2

Al final del desafío, AI2 planea mantener la configuración disponible para que cualquiera pueda acceder a ella para continuar las investigaciones de robótica. Los investigadores que logren un cierto umbral de precisión en los entornos simulados y demuestren que los robots no se estrellarían, podrán probar sus algoritmos en ambientes físicos de forma remota. La sala irá pasando de una configuración decorativa a otra. El investigador de AI2 que dirige el proyecto, Ani Kembhavi, confirma: "Vamos a mantener este entorno y estos robots". Su equipo planea desarrollar un sistema de tiempo compartido para permitir que diferentes investigadores se turnen para probar de forma remota sus algoritmos en el mundo real.

AI2 espera que su estrategia ofrezca un mejor acceso a la investigación en robótica al eliminar la mayor cantidad posible de costes de hardware. También aspira a que su esquema inspire a otras organizaciones con buenos recursos económicos para que los ofrezcan de manera similar. Además, diseñó a propósito su sala reconfigurable con materiales baratos y muebles de Ikea disponibles a nivel mundial; la configuración costó aproximadamente menos de 10.000 euros. En caso de que otros investigadores quieran construir sus propios espacios físicos de entrenamiento, su configuración será muy fácil de replicar localmente, tanto a nivel físico como virtual.

Kembhavi, cuyo padre es astrónomo, compara su idea con el intercambio global de telescopios: "La astronomía y otros campos ya han descubierto cómo poner los recursos costosos a disposición de investigadores de todo el mundo. Esa es nuestra visión para este entorno. Lograr que la IA sea un campo de investigación para todos".