Hay algunas tareas para las que los robots tradicionales (rígidos y metálicos) simplemente no son adecuados. CON
investigadores del MITEl instituto ha desarrollado un algoritmo especial para solucionar este problema. Ayudará a los ingenieros a desarrollar robots de software que recopilen más información útil sobre el medio ambiente. El algoritmo de aprendizaje profundo sugiere una ubicación optimizada de los sensores en el cuerpo del robot. Esto, a su vez, le permite interactuar mejor con el entorno y realizar las tareas asignadas. "El sistema no sólo aprende un problema específico, sino también cuál es la mejor manera de diseñar un robot para resolver ese problema", explica Alexander Amini del MIT.
La investigación se presentará en la edición de abril.Conferencia internacional IEEE sobre robótica blanda. Los autores coautores son Alexander Amini y Andrew Spielberg, estudiantes de posgrado en el Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT. Otros coautores incluyen a la estudiante graduada del MIT Lilian Chin y los profesores Wojciech Matusik y Daniela Rus.
Los robots de cuerpo blando son flexibles y maleables:parece más una bola que rebota que una bola de boliche. Su principal problema es que son infinitamente dimensionales. Cualquier punto de un robot con un cuerpo blando teóricamente puede deformarse de cualquier forma posible. Esto dificulta la creación de un robot blando que pueda mostrar la ubicación de las partes de su cuerpo. Los intentos anteriores han utilizado una cámara externa para determinar la posición del robot y enviar esta información al programa de control del robot. Pero los investigadores querían crear un robot blando que no dependiera de ayuda externa.
"No se puede acomodar un número infinito desensores en el propio robot, - enfatiza Spielberg. "Entonces, la pregunta es, ¿cuántos sensores tiene y dónde los coloca para aprovechar al máximo su inversión?"
El equipo recurrió al aprendizaje profundo en busca de la respuesta.
Los investigadores han desarrollado una nueva arquitectura.una red neuronal que optimiza la ubicación de los sensores y aprende a realizar tareas de manera eficiente. Primero, los investigadores dividieron el cuerpo del robot en regiones: "partes del cuerpo". La tasa de deformación de cada partícula se ingresó en la red neuronal. Mediante prueba y error, la red aprende la secuencia de movimientos más eficiente para realizar tareas, como agarrar objetos de diferentes tamaños. Al mismo tiempo, la red realiza un seguimiento de qué piezas se utilizan con más frecuencia y selecciona las menos utilizadas del conjunto de datos de entrada para pruebas posteriores de la red.
Optimizando las partes más importantes del cuerpo del robot,la red también sugiere dónde colocar los sensores en el robot para garantizar un funcionamiento eficiente. Por ejemplo, en un robot simulado con un brazo de agarre, un algoritmo podría sugerir que los sensores se concentren dentro y alrededor de los dedos, donde las interacciones controladas con precisión con el entorno son vitales para la capacidad del robot para manipular objetos. Si bien esto puede parecer obvio, resultó que el algoritmo superó con creces la intuición humana sobre dónde colocar los sensores.
Los investigadores compararon su algoritmo.con una serie de pronósticos de expertos. Para tres diseños diferentes de robots blandos, el equipo pidió a los robóticos que seleccionaran manualmente dónde se debían colocar los sensores para garantizar que tareas como agarrar varios objetos pudieran llevarse a cabo de manera eficiente. Luego realizaron simulaciones comparando robots con pantalla táctil con robots con pantalla táctil. Y los resultados no fueron reñidos. “Nuestro modelo superó significativamente a los humanos en todas las tareas. Aunque estaba seguro de saber dónde colocar los sensores… - concluye Amini. "Resulta que este problema tiene muchas más sutilezas de las que esperábamos originalmente".
Lee mas
Los físicos han creado un análogo de un agujero negro y han confirmado la teoría de Hawking. ¿A dónde lleva?
Los científicos han descubierto la mítica partícula de Odderon
El fenómeno natural más misterioso. ¿De dónde proviene el rayo de bola y cómo es peligroso?