Investigadores de la Universidad Carnegie Mellon, EE.UU., crearon a ALAN, un agente robótico con inteligencia artificial (IA) que puede explorar de forma autónoma entornos desconocidos. Este robot es capaz de completar con éxito tareas en el mundo real después de realizar unas pocas pruebas de exploración, comunicaron este jueves los científicos.
En la última década, expertos en robótica han desarrollado múltiples sistemas avanzados que aún requieren supervisión humana, sin embargo, ALAN puede realizar tareas en el mundo real con poco tiempo de formación e interacción.
El experimento se realizó en dos escenarios distintos de cocinas con utensilios de juguete. El robot pudo aprender a manipular los objetos con solamente realizar alrededor de cien trayectorias a las mismas.
"Nos ha interesado construir una IA que aprenda estableciendo sus propios objetivos", comentó al portal Tech Xplore, Russell Mendonca, uno de los investigadores que llevó a cabo el logro. "Al no depender de los humanos para la supervisión o la orientación, estos agentes pueden seguir aprendiendo en nuevos escenarios, impulsados por su propia curiosidad. Esto permitiría la generalización continua a diferentes dominios y el descubrimiento de comportamientos cada vez más complejos", subrayó.
Un modelo de aprendizaje universal
"ALAN aprende un modelo universal de planificar sus acciones y se dirige a sí mismo utilizando objetivos centrados en el entorno", explicó Mendonca. "También reduce el espacio de trabajo al área de interés utilizando detectores preentrenados listos para usar. Después de la exploración, el robot puede unir las habilidades descubiertas para realizar tareas de una o varias etapas especificadas a través de imágenes objetivo", agregó el experto. El enfoque de aprendizaje propuesto por Mendonca y sus colegas permite que el robot aprenda de forma continua y autónoma a completar tareas mientras explora su entorno.
Demostración de sus habilidades
"Demostramos que ALAN puede aprender a manipular objetos con solo alrededor de 100 trayectorias, en 1 o 2 horas, en dos cocinas de juego distintas, sin ninguna recompensa", expuso Mendonca. "Por lo tanto, el uso de antecedentes visuales puede aumentar en gran medida la eficiencia del aprendizaje de robots. Las versiones ampliadas de este sistema, que se ejecutan las 24 horas del día, los 7 días de la semana, podrán adquirir continuamente nuevas habilidades útiles, con una mínima intervención humana en todos los dominios, acercándonos a tener robots inteligentes de propósito general", indicó.
Las perspectivas
"A continuación, queremos estudiar cómo utilizar otros antecedentes para ayudar a estructurar el comportamiento del robot, como videos de humanos realizando tareas y descripciones de lenguaje", concluyó el científico. En el futuro, ALAN y el marco que lo sustenta podrían allanar el camino para la creación de sistemas robóticos autónomos de mejor rendimiento para la exploración del entorno. ALAN se presentó en un artículo prepublicado en arXiv.