Método de Aprendizaje que Permite a los Robots Aprender Observando a los Humanos

Un nuevo método de aprendizaje desarrollado por investigadores de la Universidad Carnegie Mellon (CMU) permite a los robots aprender directamente de videos de interacción humana y generalizar la información para realizar nuevas tareas, lo que les ayuda a aprender a realizar tareas domésticas. El método de aprendizaje se llama WHIRL, que significa Aprendizaje de Robot que Imita a los Humanos en el Mundo Real, y ayuda al robot a observar las tareas y recopilar los datos de video para eventualmente aprender a completar el trabajo por sí mismo.

La investigación se presentó en la conferencia Robotics: Science and Systems en Nueva York.

La Imitación como una Forma de Aprender

Shikhar Bahl es un estudiante de doctorado en el Instituto de Robótica (RI) de la Escuela de Ciencias de la Computación de la Universidad Carnegie Mellon.

“La imitación es una excelente forma de aprender”, dijo Bahl. “Que los robots aprendan directamente observando a los humanos sigue siendo un problema sin resolver en el campo, pero este trabajo da un paso significativo para permitir esa capacidad”.

Bahl trabajó junto con Deepak Pathak y Abhinav Gupta, ambos miembros de la facultad del RI. El equipo agregó una cámara y su software a un robot estándar que aprendió a completar más de 20 tareas. Estas tareas incluyeron desde abrir y cerrar electrodomésticos hasta sacar una bolsa de basura de la papelera. Cada vez que el robot observó a un humano completar las tareas antes de intentarlo él mismo.

Pathak es profesor asistente en el RI.

“Este trabajo presenta una forma de llevar a los robots al hogar”, dijo Pathak. “En lugar de esperar a que los robots sean programados o entrenados para completar tareas con éxito antes de desplegarlos en los hogares de la gente, esta tecnología nos permite desplegar a los robots y que aprendan a completar tareas, adaptándose a sus entornos y mejorando solo observando”.

WHIRL vs. Métodos Actuales

La mayoría de los métodos actuales para enseñar a un robot a realizar una tarea dependen del aprendizaje por imitación o refuerzo. Con el aprendizaje por imitación, los humanos operan manualmente un robot y le enseñan a completar una tarea, lo que requiere ser realizado varias veces antes de que el robot aprenda. Con el aprendizaje por refuerzo, el robot suele ser entrenado con millones de ejemplos en simulación antes de adaptar el entrenamiento al mundo real.

Si bien ambos modelos son eficientes para enseñar a un robot a realizar una tarea en un entorno estructurado, resultan difíciles de escalar y desplegar. Pero con WHIRL, un robot puede aprender de cualquier video de un humano que complete una tarea. También es fácilmente escalable, no está limitado a una tarea específica y puede operar en entornos domésticos.

WHIRL permite a los robots realizar tareas en sus entornos naturales. Y aunque los primeros intentos suelen terminar en fracaso, pueden aprender muy rápidamente después de solo unos pocos éxitos. El robot no siempre completa la tarea con los mismos movimientos que un humano, pero eso se debe a que tiene diferentes partes que se mueven de manera diferente. Con eso dicho, el resultado final de completar las tareas es siempre el mismo.

“Para escalar la robótica en el mundo real, los datos deben ser confiables y estables, y los robots deben mejorar en su entorno practicando por sí mismos”, dijo Pathak.