Aprendizaje robot
El aprendizaje de robots es un campo de investigación en la intersección del aprendizaje automático y la robótica. Estudia técnicas que permiten que un robot adquiera nuevas habilidades o se adapte a su entorno a través de algoritmos de aprendizaje. La realización del robot, situada en una inserción física, proporciona al mismo tiempo dificultades específicas (p.
Ej., Alta dimensionalidad, restricciones en tiempo real para recopilar datos y aprendizaje) y oportunidades para guiar el proceso de aprendizaje (p. Ej. Sinergias sensoriomotrices, primitivas motoras).
Entre los ejemplos de habilidades dirigidas por los algoritmos de aprendizaje se incluyen las habilidades sensoriomotoras, como la locomoción, el agarre, la categorización activa de objetos, así como las habilidades interactivas, como la manipulación conjunta de un objeto con un compañero humano, y las habilidades lingüísticas, como el significado de el lenguaje humano.
El aprendizaje puede ocurrir a través de la autoexploración autónoma o mediante la guía de un maestro humano, como por ejemplo en el aprendizaje por robot por imitación.
El aprendizaje de robots puede estar estrechamente relacionado con el control adaptativo, el aprendizaje de refuerzo y la robótica del desarrollo, que considera el problema de la adquisición autónoma de repertorios de habilidades para toda la vida. Si bien el aprendizaje automático es utilizado con frecuencia por los algoritmos de visión por computadora empleados en el contexto de la robótica, estas aplicaciones generalmente no se conocen como “aprendizaje por robot”.
Tabla de contenido
Proyectos
Maya Cakmak, profesora asistente de ciencias de la computación e ingeniería de la Universidad de Washington, está tratando de crear un robot que aprenda imitando, una técnica llamada ” programación por demostración “. Un investigador le muestra una técnica de limpieza para el sistema de visión del robot y generaliza el movimiento de limpieza de la demostración humana, además de identificar el “estado de la suciedad” antes y después de la limpieza.
Del mismo modo, al robot industrial Baxter se le puede enseñar cómo hacer algo agarrando su brazo y mostrándole los movimientos deseados. También puede usar el aprendizaje profundo para aprender a comprender un objeto desconocido.
Compartir habilidades y conocimientos aprendidos
En “Million Object Challenge” de Tellex, el objetivo son los robots que aprenden a detectar y manejar elementos simples y cargar sus datos a la nube para permitir que otros robots analicen y usen la información.
RoboBrain es un motor de conocimiento para robots al que puede acceder libremente cualquier dispositivo que desee realizar una tarea. La base de datos recopila nueva información sobre las tareas a medida que los robots las realizan, buscando en Internet, interpretando textos, imágenes y videos en lenguaje natural, reconocimiento de objetos e interacción.
El proyecto está dirigido por Ashutosh Saxena en la Universidad de Stanford.
RoboEarth es un proyecto que se ha descrito como una ” World Wide Web para robots”: es un repositorio de red y base de datos donde los robots pueden compartir información y aprender unos de otros y una nube para externalizar tareas pesadas de computación. El proyecto reúne a investigadores de cinco universidades importantes en Alemania, Países Bajos y España y cuenta con el respaldo de la Unión Europea.
Google Research, DeepMind y Google X han decidido permitir que sus robots compartan sus experiencias.
Referencias
Rosenblum, Andrew. “El robot que más quieres está lejos de la realidad”. MIT Technology Review. Consultado el 4 de enero de 2017.
Práctico con Baxter, el robot de fábrica del futuro”. Ars Technica. Consultado el 4 de enero de 2017.
Robot de aprendizaje profundo toma 10 días para aprender a comprender”. MIT Technology Review. Consultado el 4 de enero de 2017.
Schaffer, Amanda. “10 tecnologías innovadoras 2016: robots que se enseñan entre sí“. MIT Technology Review. Consultado el 4 de enero de 2017.
RoboBrain: primer motor de conocimiento del mundo para robots”. MIT Technology Review. Consultado el 4 de enero de 2017.
Hernández, Daniela. “El plan para construir un cerebro masivo en línea para todos los robots del mundo”. WIRED. Consultado el 4 de enero de 2017.
Europa lanza RoboEarth: ‘Wikipedia para robots ‘ “. EE.UU. HOY. Consultado el 4 de enero de 2017.
Los investigadores europeos han creado una mente colmena para los robots y está siendo demostrada esta semana”. Engadget. Consultado el 4 de enero de 2017.
Los robots prueban su propia red mundial, llamada RoboEarth”. Noticias de la BBC. 14 de enero de 2014. Consultado el 4 de enero de 2017.
Wikipedia para robots’: porque los bots también necesitan Internet”. CNET. Consultado el 4 de enero de 2017.
Nueva red mundial permite que los robots se hagan preguntas cuando se confunden”. Popular Science. Consultado el 4 de enero de 2017.
Google Tareas Robots con habilidades de aprendizaje unos de otros a través de Cloud Robotics”. allaboutcircuits.com. Consultado el 4 de enero de 2017.
Tung, Liam. “El próximo gran paso de Google para la IA: lograr que los robots se enseñen nuevas habilidades ; ZDNet”. ZDNet. Consultado el 4 de enero de 2017.
Cómo los robots pueden adquirir nuevas habilidades de su experiencia compartida”. Blog de investigación de Google. Consultado el 4 de enero de 2017.
Fuentes
- Fuente: www.technologyreview.com
- Fuente: arstechnica.com
- Fuente: www.wired.com
- Fuente: www.usatoday.com
- Fuente: www.engadget.com
- Fuente: www.bbc.com
- Fuente: www.popsci.com
- Fuente: www.allaboutcircuits.com
- Fuente: www.zdnet.com
- Fuente: research.googleblog.com