Fue inaugurado un “kínder” para robots en Pekín, China, como un centro de entrenamiento para que los autómatas aprendan de manera autónoma mediante el ensayo y error, así como con el tacto y su propia “experiencia”.
Estas instalaciones surgen de un esfuerzo conjunto entre la empresa china Tashan Technology y un equipo liderado por el ganador del premio Turing, Richard Sutton.
Como parte de las pruebas, algunos robots chocan contra paredes mientras aprenden a caminar, y dicha colisión es registrada como datos por estas máquinas, para que después intenten andar nuevamente con ajustes a sus movimientos en aras de evitar repetir el mismo error.
Sobre este proyecto, Sutton explicó que apunta a proveer un entorno seguro en donde los robots aprendan sobre sus propios cuerpos, además de interactuar con el mundo físico a través de la experiencia. A su vez, explicó que este proceso, además de requerir nuevos algoritmos, exige robots y entornos especialmente diseñados para el aprendizaje.
El aprendizaje autónomo puede ofrecer beneficios a largo plazo
Mientras la mayoría de centros de entrenamiento de robots en China se basan en el uso de información recolectada de demostraciones humanas, teleoperación o motion capture, esta iniciativa apuesta por el aprendizaje autónomo.
Respecto a este programa, el investigador sénior de la compañía Openmind Global Research, Kris de Asis, explicó que, aunque el aprendizaje autónomo es más lento que el aprendizaje por imitación, indicó que la diferencia se basa en “beneficios a largo plazo contra beneficios inmediatos”.
Asis señaló que el hardware representa un obstáculo, ya que los robots deben ser lo suficientemente resistentes para aguantar posibles daños causados por errores del aprendizaje. “Si no puede cometer un error, entonces no puede aprender”, aseveró.
Recalcó que los autómatas humanoides complejos requieren un conjunto de variables para aprender de manera exitosa, como el balance de su cuerpo, el uso de la energía, así como el control de la temperatura y la defensa personal.
Para profundizar más en este tema, el investigador de la Academia de Ciencias Sociales de Beijing, Wang Peng, señaló que la exploración autónoma podría permitir a los robots superar los límites del entrenamiento en tareas específicas y desarrollar un entendimiento más fundamental del mundo físico.
Mientras los robots progresivamente se trasladan de las pruebas a las fábricas, servicios comerciales y, eventualmente, los hogares, Wang indicó que esta modalidad de aprendizaje robótica podría ser importante para que las máquinas aprendan y se adapten a nuevas situaciones, después de ser desplegadas al público.
T/VTV