Aprendizaje Automático para hacer que un robot canino sea más rápido y ágil.

Un equipo de investigadores del Robotic Systems Lab en Suiza y del Intelligent Systems Lab en Alemania y los EE. UU han encontrado una manera de aplicar el aprendizaje por refuerzo a la robótica para otorgarle a tales máquinas mayores habilidades. En su artículo publicado en la revista Science Robotics, el grupo describe cómo aplicaron el aprendizaje automático a la robótica y al hacerlo le dieron más agilidad y velocidad a un robot parecido a un canino.

El aprendizaje por refuerzos funciona al establecer objetivos para un sistema y luego darle un medio para probar maneras de alcanzar esos objetivos, mejorando continuamente a medida que se alcanzan los puntos de referencia. Las pruebas se realizan una y otra vez, a veces miles de veces. Tales pruebas son difíciles con un robot tanto por los muchos factores involucrados (como todos los atributos involucrados en mantener el equilibrio) y por la enorme inversión de tiempo. Después de encontrar una manera de abordar el primer problema, los investigadores encontraron una forma de solucionar el segundo problema. En lugar de tener a ANYmal (un robot parecido a un perro) luchando a través de su régimen de aprendizaje en el mundo real, los investigadores crearon una versión virtual del robot que podía ejecutarse en una simple computadora de escritorio.

Los investigadores señalan que permitir que el robot aprendiera mientras estaba en su encarnación virtual era aproximadamente 1000 veces más rápido de lo que habría sido en el mundo real. Dejaron que el perro virtual se entrenara por hasta 11 horas y luego descargaron los resultados al robot físico. Las pruebas mostraron que el enfoque funcionó muy bien. La nueva y mejorada versión de ANYmal era más ágil (capaz de evitar que un humano lo pateara y podía enderezarse si se caía) y corría aproximadamente un 25 por ciento más rápido.

ANYmal lleva baterías para más de 2 horas de autonomía y diferentes equipos sensoriales, como cámaras ópticas y térmicas, micrófonos, sensores de detección de gases e iluminación activa. Con esta carga útil, la máquina pesa menos de 30 kg y, por lo tanto, puede ser transportada y desplegada fácilmente por un solo operador.

 

Using a machine learning technique to make a canine-like robot more agile and faster.