Un equipo de investigadores ha desarrollado un método que permite a un robot aprender una nueva habilidad a partir de un único vídeo de unos 30 segundos. El sistema alcanza una tasa media de éxito del 62 % y puede adquirir tareas nuevas sin modificar los conocimientos que ya tenía.

Investigadores chinos de Beijing Institute of Technology, X SQUARE ROBOT y Tsinghua University desarrollaron un nuevo marco tecnológico que podría permitir a los robots adquirir nuevas habilidades de forma más rápida y eficiente. Su enfoque de aprendizaje permite a un robot adquirir una nueva habilidad a partir de un único vídeo de 29 segundos que muestra una demostración humana, sin comprometer las habilidades adquiridas previamente.

La idea, que se resume en un estudio publicado en arXiv, supone un cambio de enfoque respecto a buena parte de los métodos actuales de aprendizaje robótico. Tradicionalmente, incorporar una nueva tarea implica recopilar numerosas demostraciones realizadas sobre el propio robot y después someter el sistema a una fase de ajuste específico. Este procedimiento puede consumir horas y, además, provocar que el robot pierda parte de las habilidades que ya había aprendido.

El nuevo sistema intenta eliminar ese cuello de botella trasladando el aprendizaje de nuevas habilidades al momento de la ejecución. En lugar de actualizar su política cada vez que recibe una tarea, el robot observa una demostración humana y utiliza esa información para generar las acciones necesarias con sus propios actuadores, según se explica en la investigación.

El mecanismo funciona mediante una cadena de tres pasos. Primero, el sistema calcula en qué punto de la tarea se encuentra el robot y localiza el segmento correspondiente del vídeo. Después predice qué debería observar el propio robot en la siguiente fase, teniendo en cuenta que su cuerpo, su perspectiva y su entorno no son idénticos a los de la persona que aparece en la grabación. Por último, transforma esas observaciones futuras previstas en acciones concretas.

Ese detalle es importante: el reto no consiste simplemente en "copiar" los movimientos de una persona. Un ser humano y un robot tienen formas, articulaciones y capacidades físicas diferentes. Además, ambos pueden ejecutar una misma acción a velocidades distintas. El mecanismo trata de resolver precisamente esa diferencia alineando el vídeo y la trayectoria robótica según el progreso de la tarea, en lugar de asumir que un mismo instante del vídeo corresponde al mismo momento de la ejecución.

Según un artículo publicado en Tech Xplore, los investigadores probaron el sistema sobre una plataforma de manipulación bimanual formada por dos brazos robóticos, cada uno con seis ejes y una pinza, además de tres cámaras. La evaluación incluyó 50 tareas de manipulación que no estaban presentes en los datos de entrenamiento, con distintos objetos, herramientas y movimientos. Cada tarea se puso a prueba en 20 intentos y con posiciones iniciales variables.

El sistema HOST transforma un vídeo humano en acciones robóticas sin necesidad de ajustar de nuevo el modelo de inteligencia artificial. / Crédito: Chen et al.

El resultado fue una tasa media de éxito del 62 % al adquirir las nuevas habilidades a partir de un solo vídeo. El sistema superó en un 43 % al método de imitación visual de un solo ejemplo más potente empleado como referencia y en un 45 % a la referencia de aprendizaje por imitación sin ajuste específico. Frente a un sistema ajustado con 50 demostraciones robóticas por tarea, el nuevo enfoque necesitó 50 veces menos demostraciones y adquirió cada habilidad 507 veces más rápido.

En términos de tiempo, la diferencia es rotunda. Los métodos basados en demostraciones teleoperadas y ajuste posterior requieren aproximadamente entre cuatro y 4,9 horas por tarea cuando se utilizan 50 demostraciones. El nuevo sistema, denominado HOST, reduce ese proceso a los 29 segundos que dura, en promedio, su adquisición a partir del vídeo.

En tanto, en las pruebas con siete tareas previamente dominadas, HOST mantuvo su rendimiento porque no modifica los parámetros del modelo durante la adquisición. En cambio, varios sistemas sometidos a ajuste específico sufrieron un deterioro considerable de las capacidades adquiridas anteriormente.

HOST apunta hacia una posibilidad concreta: robots que puedan recibir una demostración, incorporarla inmediatamente a su repertorio y conservarla para utilizarla de nuevo. El vídeo se puede almacenar y recuperar posteriormente cuando reaparece una tarea similar, abriendo la puerta a sistemas capaces de ampliar progresivamente sus habilidades con una mínima intervención humana.

Fuente: Levante - EMV