Puede que al principio no parezca tan especial, pero la máquina que ve en la imagen superior es el robot más diestro y hábil jamás creado, según una nueva métrica. Entre otras proezas, es capaz de ordenar un cajón lleno de trastos con una velocidad y habilidad inigualables.

La clave de su destreza sin parangón no está en sus pinzas mecánicas, sino en su cerebro. El robot usa un software llamado Dex-Net para determinar cómo recoger objetos con una eficiencia increíble; incluso aquellos con un aspecto extraño.

Este nuevo robot ha sido construido por el profesor de la Universidad de California en Berkeley (EE. UU.) Ken Goldberg y por Jeff Mahler, uno de sus estudiantes graduados. Goldberg hizo una demostración de la última versión de la máquina en EmTech Digital, un evento celebrado esta semana en San Francisco (EE. UU.), organizado por MIT Technology Review y dedicado a la inteligencia artificial.

El robot de Goldberg está mucho más cerca de igualar la destreza de un ser humano que cualquier otro artilugio desarrollado con anterioridad. Estos robots industriales tan hábiles podrían ser útiles en almacenes y fábricas, así como en hospitales y hogares.

Una de las habilidades de Dex-Net que más inteligencia demuestra es cómo aprende a sujetar objetos. El software intenta recoger elementos en un entorno virtual y así entrena una red neuronal profunda utilizando prueba y error; incluso en una simulación, esto es una tarea ardua. Lo que es crucial es que Dex-Net puede generalizar desde ese objeto que ya ha visto para entender mejor uno nuevo. Incluso, el robot empujarlo para verlo mejor si no está seguro de cómo debe agarrarlo. 

Vídeo: Dex-Net puede recoger sin dificultad objetos de diversas formas de una caja gracias a su sistema inteligente. 

La última versión del sistema incluye un sensor 3D de alta resolución y dos brazos, cada uno controlado por una red neuronal diferente. Un brazo está equipado con una pinza de robot convencional y el otro con un sistema de succión. El software del robot escanea un objeto y luego analiza ambas redes neuronales para decidir, sobre la marcha, si tiene más sentido agarrar o succionar ese objeto en particular.

Los investigadores de Berkeley también desarrollaron una manera más eficiente de medir el rendimiento de un robot gancho: una métrica llamada "recogidas medias por hora", que se calcula multiplicando el tiempo promedio por objeto recogido y la probabilidad promedio de éxito para un conjunto consistente de objetos.

La nueva métrica ayudará a los laboratorios de investigación que trabajan en este tipo de robots a compartir sus resultados. "Ya hemos hablado sobre cómo alinear nuestros resultados para que podamos ir viendo los progresos. Todo depende del robot y el sensor que se esté usando y, sobre todo, de los objetos que se estén utilizando", explica Goldberg.

Los seres humanos son capaces de recoger un promedio de entre 400 y 600 objetos por hora. En un concurso organizado recientemente por Amazon, los mejores robots podían recoger entre 70 y 95. La nueva máquina diseñada por Goldberg alcanza a recoger, de media, entre 200 y 300 objetos por hora, detalla Goldberg. Los resultados se presentarán en una conferencia en Australia a finales de este año.  

Durante su presentación, Goldberg añadió que espera que, dentro de cinco años, los robots alcancen "el promedio humano para recoger objetos por hora, o incluso que lo sobrepasen".

Agarrar y manipular objetos difíciles y desconocidos es un desafío fundamental en robótica que ha frenado el desarrollo de la tecnología. Por ejemplo, los robots que se utilizan en las fábricas de automóviles son rápidos y precisos, pero no tienen la capacidad de adaptarse a un entorno cambiante o desconocido. Además del trabajo en la fábrica y en el almacén, estos robots útiles con una manipulación más sofisticada podrían ayudar a las personas en lugares como hospitales e instalaciones de atención a personas mayores.

Foto: El graduado de la Universidad de California en Berkeley Jeff Mahler configura el robot Dex-Net. Crédito: Adriel Olmos.

Ell gran progreso que se ha dado en este aspecto de la robótica en los últimos tiempos es el resultado de varias tendencias simultáneas: han proliferado robots más pequeños y seguros, han surgido nuevos tipos de pinzas en las extremidades del robot y, lo más significativo, se han logrado grandes avances en el aprendizaje automático.

Además del trabajo de Goldberg y de la investigación en muchos otros laboratorios académicos, investigadores de compañías como DeepMind y OpenAI han comenzado a explorar cómo el aprendizaje automático podría usarse para hacer que los robots sean más inteligentes y más adaptables. Además, los avances en robótica pueden retroalimentarse en otras áreas de la inteligencia artificial, como la percepción.

"El aprendizaje automático está teniendo un impacto sin precedentes en la robótica", apostilla el profesor del MIT Russ Tedrake, que vio al robot de Berkeley durante una demostración. "Que los robots se desarrollen hasta el punto de que tengamos grandes datos para la robótica tiene un valor increíble", señala.