Técnicas revolucionarias de adiestramiento canino permiten a robots dominar nuevas habilidades rápidamente

Con una técnica de entrenamiento comúnmente usada para enseñar a perros a sentarse y quedarse, científicos de la computación mostraron a un robot cómo enseñarse a sí mismo varios trucos nuevos incluyendo apilar bloques. Con el método, el robot (llamado Spot) fue capaz de aprender en días lo que típicamente toma un mes. Al usar refuerzo positivo — un enfoque familiar para cualquiera que haya usado golosinas para cambiar el comportamiento de un perro — el equipo mejoró dramáticamente las habilidades del robot y lo hizo lo suficientemente rápido para hacer el entrenamiento de robots para trabajo real una empresa más factible.

A diferencia de humanos y animales que nacen con cerebros altamente intuitivos, las computadoras son pizarras en blanco y deben aprender todo desde cero. Pero el verdadero aprendizaje a menudo se logra con prueba y error y los roboticistas aún están averiguando cómo los robots pueden aprender eficientemente de sus errores. El equipo logró eso ideando un sistema de recompensa que funciona para un robot como las golosinas funcionan para un perro. Donde un perro podría conseguir una galleta por un trabajo bien hecho, el robot ganaba puntos numéricos.

Para apilar bloques, Spot el robot necesitaba aprender a enfocarse en acciones constructivas. Mientras el robot exploraba los bloques, rápidamente aprendió que comportamientos correctos para apilar ganaban puntos altos pero los incorrectos no ganaban nada. Spot ganó lo máximo colocando el último bloque encima de una pila de cuatro bloques.

La táctica de entrenamiento no solo funcionó sino que también tomó solo días enseñar al robot lo que solía tomar semanas. El equipo pudo reducir el tiempo de práctica entrenando primero un robot simulado, que es muy parecido a un videojuego, luego ejecutando tests con Spot. El robot aprende rápidamente el comportamiento correcto para obtener la mejor recompensa. De hecho, lo que solía tomar un mes de práctica para que el robot logre 100% de precisión se hizo en dos días.

El refuerzo positivo no solo funcionó para ayudar al robot a enseñarse a sí mismo a apilar bloques sino que, con el sistema de puntos, el robot aprendió rápidamente varias otras tareas — incluso cómo jugar un juego de navegación simulado. La capacidad de aprender de errores en todo tipo de situaciones es crítica para diseñar un robot que pueda adaptarse a nuevos entornos.

El equipo imagina que estos hallazgos podrían ayudar a entrenar robots domésticos para hacer la colada y lavar platos — tareas que podrían ayudar a seniors a vivir independientemente. También podría ayudar a diseñar coches autónomos mejorados o realizar ensamblaje de productos.

Para más información, contacte a Jill Rosen en This email address is being protected from spambots. You need JavaScript enabled to view it.; 443-547-8805.