Entrevista a Terry Suh, un experto en innovación robótica del MIT que propone un nuevo método para que las máquinas tomen decisiones con más inteligencia al recoger objetos.
FUENTE:hipertextual.com
AUTOR:Uriel Bederman
Aunque la innovación robótica parece arrolladora, los autómatas aún tienen mucho que aprender de nosotros. Así lo confirma una investigación realizada en el Instituto Tecnológico de Massachusetts (MIT), que propone un método innovador para enseñar a las máquinas a recoger objetos con más eficiencia. El objetivo es que lo hagan con una habilidad semejante a la humana.
Imagina cómo cargarías una caja grande, mientras subes una escalera. Seguramente emplearías las manos, los antebrazos y apoyarías la carga en el pecho, para reducir el peso. A diferencia de nosotros, la mayoría de los robots sujetan objetos mediante una pinza, sin otros procedimientos que simplifiquen el trabajo. “Las personas somos buenas manipulando con todo el cuerpo, mientras que los autómatas tienen dificultades con esas tareas”, señalan en un artículo de divulgación publicado por el MIT.
Ahora bien, ¿por qué no usan más parte de sus cuerpos? Según explica a Hipertextual el investigador del MIT CSAIL Terry Suh, especializado en inteligencia artificial, cada punto de contacto representa un razonamiento extra que la máquina debe procesar. Esto implica más requisitos de cómputo y, por ende, mayores desafíos para los implicados en encausar la innovación robótica. “La mayoría de las máquinas trabajan con las dos ‘yemas’ de los dedos. Al ofrecerles la posibilidad de hacer más contactos, nos enfrentamos a una decisión computacional más difícil”, explica el especialista.
Una innovación robótica del MIT para mejorar el desempeño de las máquinas
El equipo que dirige Suh encontró un modo viable para simplificar el proceso, denominado “planificación de manipulación rica en contactos”. Para ello, proponen una técnica de inteligencia artificial que “sintetizar” las decisiones de las máquinas.
¿Qué implica, en la práctica? Es una técnica que resume los eventos a un menor número de decisiones. “Imagino un futuro en el que los robots decidan con más inteligencia”, observa con entusiasmo el investigador. Este método podría permitir a las fábricas utilizar autómatas más pequeños, que manipulen objetos con más eficacia, en lugar de grandes brazos robóticos que solo trabajan con pinzas.
“En innovación robótica, los métodos de última generación utilizan principalmente el aprendizaje por refuerzo. Son herramientas excelentes, pero deberíamos explotarlas mejor. Creo que a medida que estudiemos y entendamos más sobre nuestros problemas, llegaremos a estructuras y algoritmos más eficientes que mejoren los algoritmos actuales”, nota Suh.
El desafío de crear robots más hábiles y ágiles
El procedimiento antes mencionado —el estándar para enseñar a las máquinas— se basa en prueba y error. Al acertar, el sistema recibe una recompensa y asimila los conocimientos, para actuar en el futuro. Si bien este modo puede resultar provechoso, los investigadores dicen que involucra opacidad —es una “caja negra”, dicen— y que además precisa demasiados cálculos. La técnica que plantean, en cambio, reduce la cantidad de decisiones “intermedias y sin importancia, quedándose con las relevantes”.
Tanto en simulación informáticas como en pruebas con máquinas reales, consiguieron una reducción de 1 minuto en los cálculos que realiza un ordenador al pedir a un robot que recoja un objeto. Por ejemplo, que mueva un bolígrafo o levante un plato.
¿Qué beneficios implica el método de aprendizaje que proponen?
La innovación robótica se ha visto obstaculizada a la hora de aprovechar las capacidades de las máquinas para recoger objetos. Simplemente, porque no tenemos un algoritmo lo suficientemente maduro para abordar este problema. Creo que una vez que superemos esto, tener más puntos de sujeción será muy beneficioso. Cuanto más contacto hagamos, más capacidad tendremos para afectar el movimiento. Además, esto conducirá a más robustez, de la misma manera que los insectos con seis patas son mucho más estables en comparación con los seres bípedos.
En el estudio que divulgan, han indicado que el algoritmo en el que trabajan también permite ahorrar recursos y costos. ¿En qué sentido un robot que es más hábil para levantar objetos brindará tales beneficios?
Ocurre lo siguiente: si pueden recoger cosas con todo el cuerpo en lugar de hacerlo solamente con una herramienta, la huella de los robots se reducirá y podrán ser fabricados con estructuras más pequeñas. Así, las fábricas y líneas de producción ahorrarán mucho espacio. Además, consumirían menos energía para moverse y será menor el coste de los materiales. En resumen, si podemos hacer robótica más inteligente, será posible tener mucha más capacidad con el mismo hardware.
¿Esta innovación robótica también se emplearía en el ámbito de la exploración espacial? ¿Nos cuentas detalles al respecto?
Claro. El espacio presenta desafíos muy interesantes. Una de las razones por las que es tan importante un buen software y una autonomía es que el control remoto del robot, lo que llamamos teleoperación, no funciona en tiempo real. Por ejemplo, se necesitan unos minutos para enviar una señal a Marte y recibir una respuesta.
Imaginamos un futuro en el que los autómatas subirán al espacio con hardware de uso general y serán capaces de decidir de forma más inteligente sobre sus propias acciones. Así, dejarán que los humanos realicen los comandos de nivel superior. Esta técnica podría ser útil en robots enviados en misiones de exploración en otros planetas. Esto, porque podrían adaptarse rápidamente a los entornos utilizando únicamente un ordenador a bordo.
Los próximos pasos en la investigación
La innovación robótica en la que trabaja el equipo del MIT CSAIL aún se encuentra en las primeras etapas. “Todavía tenemos mucho trabajo por hacer, para asegurarnos de que nuestro trabajo pueda implementarse en cualquier entorno industrial”, señala Suh.
“Necesitamos poder manejar situaciones más dinámicas, ya que nuestro método actual solo se aplica a configuraciones estáticas. En otras palabras, no estamos seguros de cómo manejar casos en los que soltamos el objeto y hace algo por sí solo, como caerse o deslizarse. Creemos que también podemos mejorar la velocidad computacional y la eficiencia general del algoritmo”, comenta el investigador, y cierra: “Si estudias tus modelos detenidamente y comprendes realmente el problema que intentas resolver, definitivamente hay algunos beneficios que puedes lograr”.
En la investigación también participa Tao Pang, quien integra la firma Boston Dynamics, reconocida por su robot cuadrúpedo Spot, y Russ Tedrake, especialista en robótica de Toyota Research Institute. Por lo demás, el desarrollo tiene el apoyo del Laboratorio Lincoln del MIT, la Fundación Nacional de Ciencias de Estados Unidos y el Grupo Ocado. Asimismo, parte de la financiación proviene de Amazon, una empresa que podría beneficiarse de avances de esta especie en sus numerosos almacenes de productos, repletos de cajas que esperan ser entregadas a los clientes.
