Robots capaces de aprender por sí mismos a hacer cosas mediante la táctica de prueba y error

Unos nuevos algoritmos permiten a ciertos robots aprender tareas motoras a través de la prueba y el error, usando un proceso que se aproxima más a la forma en que aprendemos los humanos a realizar tareas de esa clase, lo cual es un avance notabilísimo en el campo de la inteligencia artificial.

La mayoría de usos prácticos de robots tienen como escenario entornos controlados, donde los objetos de interés se hallan en posiciones predecibles. Colocar robots en situaciones de la vida doméstica más complejas que la de tener que aspirar o fregar, es todo un reto, debido a que los entornos con los que el robot deberá interactuar, por ejemplo una cocina con sus utensilios, limpios o sucios, depositados aquí o allá, cambian constantemente. El robot debe poder percibir lo que le rodea y adaptarse a ello.

El equipo de Pieter Abbeel, de la Universidad de California en Berkeley, Estados Unidos, ha demostrado su técnica, un tipo de aprendizaje de refuerzo, haciendo que un robot (llamado BRETT) complete varias tareas (colocar una percha en un perchero, montar un avión de juguete, enroscar un tapón en una botella de agua, y más cosas) sin detalles preprogramados sobre su entorno.

La ventaja del nuevo enfoque es que cuando un robot se enfrente a algo nuevo, no tendremos que reprogramarlo. En los experimentos descritos, se ha utilizado el mismo software, que codifica la técnica de aprendizaje por cuenta propia empleada por el robot, para conseguir que este aprendiera todas las tareas diferentes que los investigadores le encargaron.

Información adicional