Aunque hace décadas que se especula con la creación de robots
humanoides capaces de hacer numerosas labores domésticas y que sean el
equivalente dentro de la robótica de lo que fue para la computación la
aparición del ordenador personal, este concepto se ha visto frenado por
la poca flexibilidad de los robots, en comparación con los humanos, a la
hora de reconocer objetos y entornos.
(NCYT) Para el brazo robótico de una cadena de montaje industrial es
fácil trabajar, porque su espacio de trabajo no cambia, y los objetos
que manipula son siempre los mismos. Pero algo muy distinto es lograr
que un robot multiuso, más allá de los robots domésticos especializados
sólo en aspirar o fregar, deduzca cómo agarrar un objeto que no ha
manipulado antes, como por ejemplo una taza con un diseño distinto al de
las demás, o cómo orientarse por una habitación que nunca ha visto o
que antes estaba ordenada y ahora desordenada.
Durante sus primeros meses de vida, los bebés aprenden a orientarse y
a manipular objetos, y son muy flexibles al respecto: Entienden que las
tazas puede ser de formas y tamaños distintos, pero todas tienen asas.
De modo similar, el robot personal del futuro tendrá la capacidad de
generalizar; por ejemplo, para manejar un conjunto particular de platos y
ponerlos en un lavaplatos particular.
En el Laboratorio de Robótica Personal de la Universidad de Cornell,
un equipo dirigido por Ashutosh Saxena está enseñando a los robots a
manipular objetos y a orientarse en nuevos ambientes, valiéndose de un
sistema de aprendizaje automático.
Después de un entrenamiento somero en tareas comunes, un prototipo de
robot doméstico ha conseguido colocar en su sitio la mayoría de
objetos, y de manera correcta en el 98 por ciento de los casos, cuando
había visto los objetos y entornos previamente. Y en un 95 por ciento de
los casos cuando trabajaba con objetos nuevos en un entorno nuevo. Los
investigadores creen que el rendimiento podría mejorar aumentando el
periodo de entrenamiento.
De modo similar a como catalogamos inconscientemente los objetos
cuando entramos en una habitación que no hemos visto nunca antes, el
equipo de Saxena y Thorsten Joachims ha desarrollado un sistema que
permite a un robot explorar una habitación e identificar sus objetos.
Los investigadores entrenaron a un robot mostrándole 24 interiores de
oficinas y 28 interiores de viviendas, en los cuales la mayoría de los
objetos estaba etiquetada. Con este método de aprendizaje, el ordenador
del robot analiza características como el color, la geometría o la
textura, y decide cuáles son las características comunes a todos los
objetos que tienen la misma etiqueta. En un nuevo entorno, compara cada
segmento de su exploración con los objetos en su memoria, y elige los
que más se parecen.
En las pruebas, el robot identificó correctamente los objetos en
cerca del 83 por ciento de los casos en entornos domésticos, y en cerca
del 88 por ciento en oficinas. En una prueba final, localizó con éxito
un teclado en una habitación que nunca antes había visto.
