Los robots ahora pueden aprender mucho más rápido. / Robotitus
La enseñanza de habilidades a robots ha sido históricamente un proceso laborioso y que consume muchos datos. Tradicionalmente, enseñarle a un robot una nueva tarea no solo requiere un considerable volumen de información, sino también un extenso entrenamiento que puede resultar en la pérdida de habilidades previas. Sin embargo, un grupo de investigación del Beijing Institute of Technology, X SQUARE ROBOT y Tsinghua University ha desarrollado un innovador sistema denominado HOST, que permite a los robots aprender nuevas tareas a partir de un único video, revolucionando el panorama actual de la robótica.
Sistema HOST
HOST utiliza un enfoque dinámico que permite al robot observar un video y, a partir de este, comprender en qué etapa de la tarea se halla la demostración. Luego, el robot predice los siguientes movimientos del humano y ajusta sus acciones en consecuencia. Este proceso de adaptación es crucial, ya que un humano y un robot no comparten las mismas dimensiones ni capacidad motriz.
Una característica distintiva de HOST es su habilidad para aprender sin necesidad de ajustar sus parámetros cada vez que se enfrenta a una nueva habilidad. Este enfoque significa que la adquisición de conocimientos ocurre directamente durante la ejecución, aunque el sistema requiere una capacitación previa, que incluye 193.462 trayectorias robóticas correspondientes a 229 tareas y 5.847 videos de humanos realizando estas actividades.
Para evaluar su eficacia, los investigadores implementaron HOST utilizando un sistema de dos brazos robóticos ARX R5 de seis ejes, cada uno con una pinza y tres cámaras RGB. El sistema se enfrentó a 50 tareas de manipulación previamente desconocidas, adaptándose a diversas posiciones y orientaciones de los objetos. Cada tarea se repitió 20 veces, mostrando una variedad amplia de situaciones.
Resultados Prometedores
Los resultados obtenidos con HOST han sido altamente alentadores. En promedio, el robot adquirió nuevas habilidades en tan solo 29 segundos por cada video, logrando un 62 % de éxito en las tareas, lo que representa una mejora del 45 % comparado con los sistemas previos. Esta eficiencia plantea un cambio de paradigma en la forma de enseñar habilidades a los robots.
Además, en comparación con métodos que requieren múltiples demos, HOST demostró un rendimiento superior, utilizando 50 veces menos videos para cada tarea y, sorprendentemente, aprendiendo 507 veces más rápido. Sin embargo, es importante tener en cuenta que un 62 % de éxito aún no es suficiente para confiar plenamente en un robot en todas las circunstancias. Aun así, HOST marca un avance significativo hacia un futuro donde la simple demostración podría ser suficiente para que las máquinas aprendan de manera autónoma.