Investigadores desarrollan IA que permite a un robot crear planes complejos utilizando toda su mano
IA permite a robot crear planes complejos con su mano
Para los robots, la habilidad intrincada de la manipulación de todo el cuerpo que se da naturalmente en los seres humanos ha representado un desafío para las máquinas. Pero ahora, los investigadores del MIT están utilizando el poder de la inteligencia artificial para resolver este problema en la robótica al introducir un enfoque novedoso conocido como planificación de manipulación rica en contacto.
Según el artículo, esta técnica emplea estrategias de suavizado impulsadas por IA para reducir la complejidad de los juicios necesarios para una planificación efectiva de manipulación robótica. Con miles de millones de posibles eventos de contacto para considerar, estos métodos de suavizado proporcionan un medio para destilar el mejor plan de manipulación posible de la vasta gama de ocurrencias de contacto.
Los avances recientes en el aprendizaje por refuerzo han ayudado a impulsar nuevos avances en la dinámica rica en contacto. Este es un logro que anteriormente eludía a las técnicas tradicionales basadas en modelos. Si bien las razones detrás del éxito del aprendizaje por refuerzo no estaban claras inicialmente, los investigadores se han centrado en desentrañar los factores subyacentes desde una perspectiva basada en modelos.
Un desafío clave radica en la naturaleza intrincada de la dinámica del contacto, que presenta dificultades para la planificación a través del tacto desde un punto de vista basado en modelos. Por lo tanto, los investigadores han propuesto una solución, introduciendo un modelo convexo y diferenciable de dinámica de contacto cuasi-dinámica.
- OpenAI lanzará ChatGPT Enterprise para grandes empresas
- El profesor Mark A. Lemley sobre la Inteligencia Artificial Generat...
- Cómo 25,000 computadoras entrenaron a ChatGPT
Este modelo no solo mejora las capacidades predictivas, sino que también aborda problemas relacionados con la dinámica no suave, lo que hace que los modelos lineales tradicionales sean inadecuados. La integración del suavizado del modo de contacto con la planificación de movimiento basada en muestreo marca otro gran avance.
Hablando con MIT News, H.J. Terry Suh, un estudiante de posgrado de ingeniería eléctrica y ciencias de la computación (EECS) y coautor principal de un artículo sobre la técnica, dijo: “En lugar de pensar en esto como un sistema de caja negra, si podemos aprovechar la estructura de este tipo de sistemas robóticos utilizando modelos, hay una oportunidad para acelerar todo el procedimiento de tratar de tomar estas decisiones y llegar a planes ricos en contacto”.
El enfoque de los investigadores permite a los robots planificar de manera eficiente en cuestión de minutos, al tiempo que mantiene la generalización en diversos entornos y tareas, lo cual es una alternativa potente a los métodos de aprendizaje por refuerzo que requieren muchos recursos.
La fusión del suavizado del modo y los Árboles Aleatorios de Exploración Rápida, o RRT, abre las puertas a una planificación global eficiente de movimiento para sistemas ricos en contacto y de alta dimensionalidad. Esta convergencia aprovecha aproximaciones locales guiadas por la métrica de Mahalanobis, asegurando una exploración y optimización de trayectorias exhaustivas.
Entonces, ¿qué significa esto para aquellos fuera de la robótica? Bueno, bastante. Esta nueva técnica promete ayudar a remodelar el panorama de la robótica al empujar los límites de lo que las máquinas pueden lograr en el ámbito de la manipulación e interacción.
Con el tiempo, también podría conducir a avances en la robótica que permitan una mayor complejidad de tareas, reduciendo la necesidad de trabajo físico humano. Lo cual, en teoría, podría permitir que los robots asuman tareas más peligrosas al tiempo que se reducen los riesgos asociados con la vida humana.
