Foto: En una demostración en directo, Todd Hylton de Brain Corporation usa gestos para entrenar a un robot con ruedas para que acuda cuando se le llama.

Eugene Izhikevich cree que no deberías tener que saber escribir código para enseñar nuevos trucos a un robot. "Debería ser más como adiestrar a un perro", afirma. "En vez de programar, le enseñas ejemplos repetidos del comportamiento deseado".

La start-up de Izhikevich, Brain Corporation, cuya sede está en San Diego (EEUU), ha desarrollado un sistema operativo para robots llamado BrainOS que permite exactamente eso. Para enseñar a un robot cómo recoger la basura, por ejemplo, usarías un mando a distancia para guiar a su pinza robótica para que repitiera la tarea una y otra vez. Tras unos minutos de repetición el robot tomaría la iniciativa y empezaría a hacer la tarea él mismo. "Una vez que lo entrenas es plenamente autónomo", explica Izhikevich, quien es cofundador y director ejecutivo de la empresa.

Izhikevich afirma que este método hará que sea más fácil producir robots baratos enfocados al sector servicios capaces de tareas sencillas. Para programar un robot para que se comporte de forma inteligente normalmente hacen falta conocimientos importantes, explica Izhikevich, y señala que el robot doméstico de mayor éxito ahora mismo es Roomba, lanzado en 2002. El Roomba está preprogramado para llevar a cabo una única tarea, moverse al azar para cubrir la mayor área posible de un suelo.

Brain Corporation espera ganar dinero ofreciendo su software a emprendedores y empresas que quieran sacar robots inteligentes baratos al mercado. A finales de este año Brain Corporation empezará a ofrecer a algunos socios una placa base con un procesador de smartphone y BrainOS instalado. Para construir un robot al que se pudiera entrenar habría que conectar ese "cerebro" a un cuerpo físico.

El chip de la placa lo fabrica la empresa de procesadores móviles Qualcomm, que ha invertido capital en Brain Corporation. En la Conferencia de Desarrolladores Móviles celebrada en San Francisco (EEUU) la semana pasada, un robot con ruedas y dos cámaras gemelas equipado con una de las placas base de Brain Corporation se entrenó en vivo sobre un escenario.

En una de las demostraciones al robot, llamado EyeRover, se le guió varias veces a través de una ruta concreta alrededor de una silla, un sofá y algunos otros obstáculos. Después repitió la ruta él solo. En una segunda demostración, al robot se le enseñó a acudir cuando una persona lo llamaba. Una persona colocaba la mano cerca de las cámaras gemelas del robot para que EyeRover pudiera fijarse en ella, mientras otra maniobraba el robot hacia delante y detrás en sincronía con la mano de la primera. Después de apenas dos repeticiones de estos movimientos, el robot acudía correctamente cuando se le llamaba.

Esos ejemplos rápidos no son muy sofisticados, pero Izhikevich afirma que un entrenamiento más exhaustivo de días o semanas podría enseñar a un robot a llevar a cabo una tarea más complicada como por ejemplo quitar malas hierbas. La empresa fabricante sólo tendría que entrenar a un robot y después copiar su software a los nuevos robots con el mismo diseño antes de enviarlos a las tiendas.

El software de Brain Corporation se basa en una combinación de varias técnicas distintas de inteligencia artificial. Gran parte de la potencia viene de usar redes neuronales artificiales, inspiradas en cómo se comunican las células cerebrales, explica Izhikevich. Brain Corporation ha colaborado anteriormente con Qualcomm para crear nuevos tipos de chips que escriben redes neuronales artificiales en silicio (ver "Los chips del futuro serán 'neuronas digitales'"). Estos chips "neuromórficos", que es como se los conoce, de momento no son más que proyectos de investigación. Pero podrían acabar dando lugar a una forma más potente y eficaz de ejecutar software como BrainOS.

Brain Corporation había probado anteriormente con el aprendizaje mediante refuerzo, en el que un robot empieza probando distintos comportamientos al azar y el entrenador lo recompensa con un premio virtual cuando hace lo correcto. El método funcionaba pero tenía sus inconvenientes. "Los robots tienden a hacerse daño con este sistema", afirma Izhikevich.

Entrenar a robots mediante el ejemplo es una técnica habitual en los laboratorios de investigación, afirma la profesora de robótica de la Universidad Carnegie Mellon de EEUU, Manuela Veloso, quien explica que esta técnica no ha cuajado en el mundo de la robótica comercial. El único ejemplo que hay en el mercado es Baxter un robot con dos brazos enfocado a la fabricación ligera. Se le puede entrenar moviendo sus brazos manualmente para dirigirlo en el aprendizaje de los movimientos que tiene que hacer para llevar a cabo una nueva tarea en una cadena de producción (ver "Este robot podría transformar los procesos de fabricación").

La profesora adjunta de robótica del Instituto Politécnico Worcester (EEUU), Sonia Chernova, afirma que ahora la mayoría de las empresas de robots industriales intentan añadir este tipo de aprendizaje a sus propios robots. Pero añade que el entrenamiento podría ser complicado para los robots móviles, que suelen tener que enfrentarse a entornos más complejos.

Izhikevich reconoce que entrenar a un robot mediante el ejemplo, aunque sea más rápido que programarlo, produce un comportamiento menos predecible. Por ejemplo, no te conviene usar esta técnica para que un coche autónomo detecte a peatones en las carreteras, afirma. Pero para muchas tareas sencillas sería aceptable. "No pasa nada por perderse el 2% de las malas hierbas o las fresas que hay que recoger", afirma. "Las puedes recoger mañana".