Robot basado en IA aprende a jugar un juego de Jenga

• Los investigadores desarrollan un brazo robótico que usa el tacto y la visión para aprender el juego de Jenga.
• El método de aprendizaje automático desarrollado en este trabajo podría ayudar al robot a ensamblar productos de consumo y realizar otras tareas que requieren una interacción física cuidadosa.

Jenga es un juego complejo que requiere una coordinación y una estrategia precisas entre los ojos y las manos. Como humanos, integramos a la perfección nuestros sentidos de la vista y el tacto para dominar este juego. Los robots, por otro lado, aún no poseen este nivel de sofisticación.

La mayoría de los sistemas de aprendizaje robóticos utilizan solo datos visuales, sin sentido del tacto, lo que básicamente limita su capacidad para aprender sobre el mundo externo. Los algoritmos de aprendizaje existentes basados ​​en técnicas de aprendizaje por refuerzo sin modelos tienen poca o ninguna capacidad para explotar el conocimiento sobre objetos físicos, contactos o fuerzas.

Recientemente, los investigadores del Laboratorio MCube del MIT desarrollaron un algoritmo para replicar esta habilidad usando un robot. A diferencia de las técnicas convencionales de aprendizaje automático que utilizan conjuntos de datos masivos para evaluar su próximo mejor movimiento, este robot aprende y explota un modelo jerárquico que permite la extracción suave y precisa de piezas.

Robot que juega a Jenga

El robot está equipado con una cámara RGB externa, una pinza de puntas blandas y una muñequera con sensor de fuerza. Todos estos componentes permiten al robot observar y sentir la torre Jenga y sus bloques individuales.

Los investigadores personalizaron un brazo robótico industrial ABB IRB 120 y colocaron una torre Jenga a su alcance. A medida que el brazo empuja suavemente contra un bloque, una computadora captura la retroalimentación táctil y visual de su brazalete y la cámara, y compara estas medidas con los movimientos anteriores del robot.

Referencia:ScienceRobotics | doi:10.1126 / scirobotics.aav3123 | MIT

Este modelo permite al robot estimar con precisión el estado de una pieza, simular los próximos movimientos posibles y decidir uno favorable. En tiempo real, la máquina aprende si debe seguir empujando el bloque o pasar a uno nuevo para evitar que la estructura se derrumbe.

Esto es más desafiante que desarrollar IA para ajedrez o Go, ya que el juego de Jenga requiere habilidades físicas básicas como tirar, empujar, colocar y alinear bloques individuales.

El robot desarrollado en este trabajo identifica de manera eficiente cuándo un bloque se siente atascado o libre y decide cómo extraerlo utilizando muchos menos datos. Está entrenado en casi 300 intentos (en lugar de decenas de miles de intentos). Los intentos de resultados y mediciones similares se agrupan en grupos y cada grupo representa comportamientos de bloques específicos.

Para cada grupo de datos, la máquina desarrolló un modelo para estimar el comportamiento de un bloque dadas sus medidas táctiles y visuales actuales. Esta estrategia de agrupación, inspirada en la forma natural en que aprenden los humanos, aumenta significativamente la eficiencia del robot con la que puede aprender a jugar.

Aplicaciones

Este método es un ejemplo exitoso de inteligencia artificial que se traslada al mundo físico. A medida que el robot interactúa con su entorno, aprende algunas de las habilidades básicas que definen la manipulación humana.

Leer:Dactyl:una mano robótica parecida a un humano que utiliza inteligencia artificial para lograr una destreza sin precedentes

Este sistema de aprendizaje táctil se puede aplicar a tareas más allá del juego de Jenga, especialmente aquellas tareas que requieren una interacción física cuidadosa. Por ejemplo, ensamblar productos de consumo y separar los materiales reciclables de la basura del vertedero.

En una línea de ensamblaje de teléfonos inteligentes y computadoras portátiles, por ejemplo, la mayoría de los pasos requieren acciones táctiles y de fuerza en lugar de solo visión, y esta tecnología podría mejorar drásticamente tales líneas de ensamblaje.