Los robots sofisticados no tienen por qué costar una fortuna. Incluso los robots relativamente baratos pueden realizar complejas tareas de manipulación y aprender nuevas habilidades rápidamente utilizando IA, según ha demostrado un nuevo estudio. 

Con sólo 32.000 dólares (unos 29.400 euros), investigadores de la Universidad de Stanford (EE UU) han conseguido construir un robot con ruedas capaz de cocinar una comida cantonesa de tres platos bajo supervisión humana. Después utilizaron la IA para entrenarlo a realizar de forma autónoma tareas individuales como cocinar gambas, limpiar manchas y llamar a un ascensor. Otros robots capaces de realizar tareas tan complejas suelen costar cientos de miles de dólares, pero los investigadores abarataron los costes del proyecto eligiendo piezas de robot disponibles en el mercado y hardware impreso en 3D.

Los investigadores enseñaron al robot, llamado Mobile ALOHA (acrónimo de "sistema de teleoperación por hardware de código abierto y bajo coste para funcionamiento bimanual", por sus siglas en inglés), siete tareas distintas que requerían diversas habilidades de movilidad y destreza, como enjuagar una sartén o chocar los cinco con alguien.

Para enseñar al robot a cocinar gambas, por ejemplo, los investigadores lo manejaron a distancia 20 veces para meter las gambas en la plancha, darles la vuelta y servirlas. Lo hicieron de forma ligeramente distinta cada vez para que el robot aprendiera diferentes maneras de hacer la misma tarea, dice Zipeng Fu, estudiante de doctorado en Stanford, que codirigió el proyecto. 

A continuación, se entrenó al robot con estas demostraciones, así como con otras realizadas por humanos para distintos tipos de tareas que no tienen nada que ver con la cocción de gambas —como arrancar una hoja de papel de cocina o cinta adhesiva—, recogidas por un robot ALOHA anterior sin ruedas, explica Chelsea Finn, profesora adjunta de la Universidad de Stanford, que fue asesora del proyecto. Este enfoque de "co-entrenamiento", en el que se combinan datos nuevos y antiguos, ayudó a Mobile ALOHA a aprender nuevas tareas con relativa rapidez, en comparación con el enfoque habitual de entrenar sistemas de IA con miles, si no millones, de ejemplos. A partir de estos datos antiguos, el robot fue capaz de aprender nuevas habilidades que no tenían nada que ver con la tarea en cuestión, afirma Finn.

Aunque este tipo de tareas domésticas son fáciles para los humanos (al menos cuando nos apetecen), siguen siendo muy difíciles para los robots. Les cuesta agarrar y manipular objetos, porque carecen de la precisión, la coordinación y la comprensión del entorno que tienen los humanos por naturaleza. Sin embargo, los recientes esfuerzos por aplicar técnicas de IA a la robótica han resultado muy prometedores para desbloquear nuevas capacidades. Por ejemplo, el sistema RT-2 de Google combina un modelo de visión lingüística con un robot, lo que permite a los humanos darle órdenes verbales.

"Una de las cosas más interesantes es que esta receta de aprendizaje por imitación es muy genérica. Es muy sencilla. Es muy escalable", dice Finn. La recopilación de más datos para que los robots intenten imitarlos podría permitirles realizar aún más tareas relacionadas con la cocina, añade.

"Mobile ALOHA ha demostrado algo único: un hardware robótico relativamente barato puede resolver problemas realmente complejos", afirma Lerrel Pinto, profesor asociado de informática en la NYU, que no participó en la investigación.

Mobile ALOHA demuestra que el hardware robótico ya es muy capaz, y subraya que la IA es la pieza que falta para hacer robots más útiles, añade Deepak Pathak, profesor adjunto de la Universidad Carnegie Mellon, que tampoco formó parte del equipo de investigación.

Pinto afirma que el modelo también demuestra que los datos de entrenamiento en robótica pueden ser transferibles: el entrenamiento en una tarea puede mejorar su rendimiento en otras. "Se trata de una propiedad muy deseable, ya que cuando aumentan los datos, aunque no sea necesariamente para una tarea que te interese, puede mejorar el rendimiento de tu robot", afirma.

A continuación, el equipo de Stanford entrenará al robot con más datos para que realice tareas aún más difíciles, como recoger y doblar la ropa, dice Tony Z. Zhao, estudiante de doctorado en Stanford que formó parte del equipo. La colada ha sido tradicionalmente muy difícil para los robots, porque los objetos se amontonan en formas que les cuesta entender. Pero Zhao afirma que su técnica ayudará a las máquinas a realizar tareas que antes se consideraban imposibles.