Foto: El sistema de aprendizaje profundo del robot ve un objeto nuevo y averigua cómo agarrarlo.

Dentro de un colorido laboratorio de la Universidad de California en Berkeley (EEUU), un robot de aspecto corriente ha desarrollado una extraordinaria capacidad de agarrar objetos irregulares e inusuales. Pero lo que realmente impresiona de él es que el robot ha adquirido esta capacidad entrenando con objetos virtuales.

El robot aprendió qué tipo de agarre era el más adecuado para distintos artículos al estudiar un vasto conjunto de datos de formas en 3D y agarres apropiados. Los investigadores alimentaron una gran red neuronal de aprendizaje profundo conectada a un sensor 3D comercial y a un brazo robótico estándar. Cuando se coloca un objeto nuevo delante de él, el sistema de aprendizaje profundo averigua qué agarre debería emplear el robot.

El brazo rinde significativamente mejor que cualquier otro que se haya visto antes. En las pruebas, cuando tenía una confianza superior al 50% de que iba a ser capaz de agarrar un objeto concreto, lo levantó y lo agitó sin que se le cayera el 98% de las veces. Cuando el robot no estaba tan seguro, lo tocaba suavemente para identificar un agarre mejor. Ante lo cual, su tasa de éxito llegaba al 99%. Es un importante progreso frente a los métodos anteriores, afirman los investigadores.

El trabajo demuestra que los nuevos enfoques de aprendizaje automático y las nuevas capacidades de acceder a datos en la nube están aumentando la utilidad de los robots en fábricas y almacenes, e incluso podrían conseguir que hagan tareas estratégicas en entornos nuevos como hospitales y hogares (ver Robots que se enseñan unos a otros). La investigación ha sido descrita en un trabajo que será publicado en una importante conferencia de robótica el próximo mes de julio.

Muchos investigadores intentan que los robots aprendan a manipular objetos a través de la práctica, pero es proceso complicado. Por el contrario, la nueva máquina aprende sin la necesidad de practicar, y es significativamente mejor que cualquier sistema anterior. El profesor de la Universidad de California en Berkeley Ken Goldberg, que lideró el trabajo, detalla: "Estamos generando mejores resultados sin ese tipo de experimentación. Eso nos emociona mucho".

En lugar de practicar en el mundo real, el robot aprendió mediante un conjunto de datos de más de 1.000 objetos virtuales que incluyen su forma en 3D, su apariencia visual y la física de su agarre. Este conjunto de datos fue empleado para entrenar el sistema de aprendizaje profundo del robot. El investigador posdoctoral Jeff Mahler, que también participó en el proyecto, explica: "podemos generar suficientes datos de entrenamiento para las redes neuronales profundas en cuestión de un día, más o menos, en lugar de tener que ejecutar ensayos físicos con un robot real durante meses".

Goldberg y sus compañeros tienen intención de publicar el catálogo de datos que han creado. Los datos públicos han sido claves en los últimos avances de visión automática, y ahora nuevos conjuntos de datos en 3D ayudarán a los robots a avanzar aún más.

La profesora adjunta de la Universidad de Brown (EEUU) especializada en el aprendizaje de robots, Stefanie Tellex, considera que se trata de una investigación "muy importante" que podría acelerar algunos enfoques de aprendizaje automático especialmente complicados.

La experta detalla: "Resulta difícil recopilar grandes conjuntos de datos de datos robóticos. Este trabajo es emocionante porque demuestra que un conjunto de datos simulado sirve para enseñar a un robot a agarrar objetos. Y este modelo se traduce en éxitos reales en el mundo físico".

Foto: El profesor de la Universidad de California en Berkeley Ken Goldberg (izquierda) y el director del Grupo de Investigaciones Siemens, Juan Aparicio (derecha).

Los avances en los algoritmos de control y en los enfoques de aprendizaje automático, junto con hardware cada vez más moderno, están creando las bases de una nueva generación de robots. Estos sistemas serán capaces de hacer muchas más tareas cotidianas. Máquinas cada vez más hábiles empiezan a asumir trabajos manuales que antes eran impensables (ver Brazo robótico y cabeza en la nube, el equipo ganador para automatizar pedidos).

El profesor del Instituto Tecnológico de Massachusetts (MIT, EEUU) Russ Tedrake, que trabaja en robótica, cuenta que varios grupos de investigación están logrando robots mucho más capacitados y diestros. Y añade que el trabajo de la Universidad de California en Berkeley es impresionante porque combina métodos de aprendizaje automático más modernos con enfoques más tradicionales que incluyen razonar sobre la forma de un objeto.

El nacimiento de una nueva generación de robots más diestros podría tener importantes implicaciones económicas. Las máquinas presentes en las fábricas actuales son increíblemente precisas y fiables, pero también increíblemente torpes cuando se enfrentan a un objeto nuevo. Varias empresas, incluida Amazon, ya tienen algunos robots en sus almacenes, pero hasta ahora sólo sirven para transportar productos, y no para seleccionar objetos para preparar pedidos.

Los investigadores de la Universidad de California en Berkeley colaboraron con el director del grupo de investigaciones de Siemens, Juan Aparicio. La empresa alemana está interesada en comercializar robótica en la nube, entre otras tecnologías de fabricación conectada. Aparicio asegura que la investigación es emocionante porque la fiabilidad del brazo sería fácilmente comercializable.

Las máquinas cada vez más diestras también podrían resultar significativas para el avance de la inteligencia artificial (IA). La destreza manual jugó un papel crítico en la evolución de la inteligencia humana, al crear un círculo de retroalimentación con una visión más nítida y aumentando la potencia cerebral. La capacidad de manipular objetos reales de manera más eficaz también parece que jugará un papel clave en la evolución de la inteligencia artificial.