Los robots ya no solo imitan

Si una persona quiere montar un mueble de IKEA, lo normal es que se gu¨ªe con las figuras que aparecen en las instrucciones. Es decir, aprende a ejecutar aut¨®nomamente una tarea en un entorno real a partir de im¨¢genes en dos dimensiones. Eso requiere capacidades complejas, como figurar un concepto mentalmente y memorizarlo, reconocer y superar posibles obst¨¢culos que se encuentren en el espacio f¨ªsico y saber distinguir de otros objetos las piezas que se necesitan. Se trata de caracter¨ªsticas del aprendizaje humano, estudiadas por disciplinas como las ciencias cognitivas y las neurociencias. Encontrar la manera de replicar esas caracter¨ªsticas en los robots es una de los desaf¨ªos actuales para distintos investigadores y empresas del sector.

Un art¨ªculo publicado este mi¨¦rcoles en Science Robotics ilustra c¨®mo se pueden entrenar las m¨¢quinas para que vayan m¨¢s all¨¢ de la mera imitaci¨®n de una acci¨®n. En otras palabras, se describe una arquitectura computacional que permite a un robot aprender un concepto abstracto (por ejemplo, el de disponer objetos desordenados en un c¨ªrculo) y replicar distintas tareas relacionadas con esa idea (como crear un c¨ªrculo a partir de objetos de diferentes colores, formas o tama?os). Los autores, miembros de la compa?¨ªa californiana Vicarious AI, consideran el trabajo un avance con respecto al objetivo de que las m¨¢quinas tengan la capacidad de construir ¡°representaciones interpretables¡± y adquieran ¡°sentido com¨²n¡±.

¡°Para ense?ar un concepto [definido en el estudio como una redescripci¨®n de una experiencia cotidiana a un nivel m¨¢s alto de abstracci¨®n], mostramos al robot varias parejas de vi?etas con objetos. Cada pareja contiene una escena inicial y la escena resultante de aplicar sobre ella dicho concepto¡±, explica Miguel L¨¢zaro-Gredilla, coautor del art¨ªculo. El investigador agrega que es necesario mostrar varias parejas de im¨¢genes bidimensionales para ilustrar un concepto. ¡°Si en una vemos un tri¨¢ngulo verde y un cuadrado verde apilados en el margen derecho, el concepto podr¨ªa ser apila los objetos verdes a la derecha o apila los cuadrados y tri¨¢ngulos a la derecha. Con m¨²ltiples parejas en las que se exhibe el mismo concepto, la ambig¨¹edad se reduce¡±, explica.

T¨¦cnicamente, lo que han implementado los investigadores de Vicarious en las m¨¢quinas es un Procesador Cognitivo Visual (PCV). Se trata de una arquitectura cognitiva que, a partir de un conjunto de instrucciones, puede construir distintos programas en un lenguaje espec¨ªfico para generar acciones concretas. Seg¨²n asegura L¨¢zaro-Gredilla, es similar a una CPU, pero con algunas peculiaridades.

Una de sus caracter¨ªsticas principales es ¡°un sistema de visi¨®n capaz de segmentar objetos (identificar qu¨¦ p¨ªxeles pertenecen a cada objeto) y vincular a estos sus propiedades visuales (color, forma, tama?o, posici¨®n)¡±, explica el investigador. Otra, agrega, es la de poseer ¡°un modelo de la din¨¢mica del mundo que permite prever (imaginar) el resultado de una acci¨®n antes de ejecutarla¡±. Adem¨¢s, ¡°el PCV tiene una serie de memorias locales en las que alojar, simb¨®licamente a nivel de objetos y no de p¨ªxeles, los resultados imaginados de una acci¨®n¡±, detalla.

Una vez que un concepto abstracto ha sido aprendido, ¡°el robot puede reconocerlo y ejecutarlo cuando se le presenta una nueva escena inicial con un nuevo conjunto de objetos¡±, contin¨²a L¨¢zaro-Gredilla. Tambi¨¦n puede identificarlo si detecta a otro robot mientras lo ejecuta. ¡°Le basta hacer una copia de la escena inicial en su imaginaci¨®n, manipular dicha escena mentalmente (en vez que en la realidad f¨ªsica) y comparar el resultado obtenido en su imaginaci¨®n con el obtenido por el otro robot¡±, asegura.

Para demostrar la eficacia del sistema propuesto, los autores realizaron distintos experimentos con dos robots como prueba de concepto. Ambas m¨¢quinas estaban dotadas de una c¨¢mara para detectar las escenas que se encontraban y un brazo mec¨¢nico para agarrar y soltar objetos. A la hora de ejecutar tareas, la primera tuvo ¨¦xito en un 90% de las pruebas, la segunda en un 70%.

El objetivo de dar a los robots m¨¢s autonom¨ªa

Actualmente, explica L¨¢zaro-Gredilla, para programar m¨¢quinas que manipulen objetos se les suele indicar una secuencia exacta de movimientos que debe realizar. Tambi¨¦n existen robots ¡°m¨¢s sofisticados¡±, que pueden detectar d¨®nde se encuentra un objeto y adaptar la secuencia de movimientos de manera acordes, detalla el investigador.

En su opini¨®n, su trabajo y de sus compa?eros ¡°va m¨¢s all¨¢¡± de eso. Como demostraci¨®n, cita uno de los experimentos realizados, en el que se ped¨ªa al robot separar limones de color amarillo y limas de color verde, colocados de manera desordenada en una mesa. ¡°Para indicar esa instrucci¨®n, independientemente de cu¨¢ntas frutas haya y de sus posiciones, la programaci¨®n se reduce a ense?arle varias parejas de vi?etas, con cada pareja conteniendo un ejemplo de limas y limones mezclados y otro de limas y limones separados¡±, ilustra.

"Si el cerebro humano puede hacerlo, nosotros tenemos que poder replicar el proceso que sigue. Pero descubrir dicho proceso con la limitada informaci¨®n disponible sobre el funcionamiento del cerebro requiere de un ejercicio de prueba y error que puede llevar mucho tiempo. Al fin y al cabo, a la evoluci¨®n le llev¨® millones de a?os¡±

L¨¢zaro-Gredilla cree que esta habilidad puede ser especialmente ¨²til en distintas aplicaciones industriales. ¡°Conceptos tridimensionales como insertar el objeto atendido en la caja o apilar todas las cajas son muy simples para un humano, pero desde el punto de vista rob¨®tico no son triviales¡±, sostiene. M¨¢quinas capaces de ellos pueden simplificar las cadenas de montaje rob¨®ticas y hacerlas reconfigurables, argumenta. ¡°El uso de conceptos abstractos reduce los requerimientos de precisi¨®n, ya que el concepto encaja la pieza A en el agujero B sigue siendo v¨¢lido incluso si los objetos se encuentran en lugares inesperados, y los costes de reconfiguraci¨®n¡±.

El lento camino de la inteligencia artificial

Para Ismael Garc¨ªa, de la Universidad de Castilla-La Mancha, el estudio constituye una ¡°aportaci¨®n relevante dentro de la rob¨®tica cognitiva¡±. Sin embargo, el investigador considera que en este ¨¢mbito a¨²n falta ¡°mucho camino por recorrer¡±. En el caso concreto del trabajo de Vicarious, destaca, ¡°no se habla de aprendizaje multimodal (a partir de diferentes fuentes de informaci¨®n: auditiva, gestual, o visual), ni de aprendizaje por refuerzo o por imitaci¨®n, que son paradigmas claros del aprendizaje humano¡±. El experto agrega que tampoco se abarca ¡°la fusi¨®n y combinaci¨®n de todas ellas dentro del mismo modelo de arquitectura cognitiva¡±.

Por su lado, Josep Amat de la Universidad Polit¨¦cnica de Catalu?a asegura que el art¨ªculo ¡°est¨¢ enmarcado en este actual impulso de la inteligencia artificial¡±, que tiene entre sus objetivos ¡°desarrollar sistemas de interpretaci¨®n correcta de todo tipo de datos, la toma de decisiones a partir de las interpretaciones realizadas y el desarrollo de sistemas aut¨®nomos capaces de interaccionar con el entorno¡±. No obstante, advierte, ¡°los avances en inteligencia artificial son m¨¢s lentos de lo que se desear¨ªa, m¨¢s que los alcanzados por ¨¢mbitos como la microelectr¨®nica, las comunicaciones o la rob¨®tica¡±.

L¨¢zaro-Gredilla es consciente de que no son resultados que se obtienen de la noche a la ma?ana. ¡°Si el cerebro humano puede hacerlo, nosotros tenemos que poder replicar el proceso que sigue. Pero descubrir dicho proceso con la limitada informaci¨®n disponible sobre el funcionamiento del cerebro requiere de un ejercicio de prueba y error que puede llevar mucho tiempo. Al fin y al cabo, a la evoluci¨®n le llev¨® millones de a?os¡±, considera.