Google DeepMind ha presentado sus últimos avances en investigación robótica, centrados en capacitar a los robots para realizar tareas complejas y altamente destrezas que son comunes para los humanos pero desafiantes para las máquinas. Entre estos desarrollos destacan dos innovadores sistemas de Inteligencia Artificial, ALOHA Unleashed y DemoStart, que prometen revolucionar la interacción de los robots con entornos físicos.
Avances en Destreza Robótica con ALOHA Unleashed
Hasta ahora, la mayoría de los robots avanzados solo podían recoger y colocar objetos utilizando un solo brazo. En su nuevo estudio, Google DeepMind presenta ALOHA Unleashed, que logra un alto nivel de destreza en la manipulación bimanual. Con este método, el robot aprendió a atarse los cordones de los zapatos, colgar una camisa, reparar otro robot, insertar un engranaje e incluso limpiar una cocina.
ALOHA Unleashed se basa en la plataforma ALOHA 2, inspirada en el sistema original ALOHA de la Universidad de Stanford. Esta versión es significativamente más diesta que sus predecesoras, ya que cuenta con dos manos que pueden ser teleoperadas fácilmente para entrenamiento y recopilación de datos, permitiendo a los robots aprender nuevas tareas con menos demostraciones.
El proceso de aprendizaje incluye la recolección de datos mediante la operación remota del robot en tareas complejas como atar cordones y colgar camisetas. Posteriormente, se aplica un método de difusión que predice las acciones del robot a partir de ruido aleatorio, similar a cómo el modelo Imagen de Google genera imágenes. Esto facilita que el robot aprenda de los datos y pueda realizar las mismas tareas de forma autónoma.
De la Simulación a la Realidad con DemoStart
Controlar una mano robótica con destreza es una tarea compleja que se intensifica con cada dedo, articulación y sensor adicionales. En otro estudio, Google DeepMind presenta DemoStart, que utiliza un algoritmo de aprendizaje por refuerzo para ayudar a los robots a adquirir comportamientos diestros en simulación. Estos comportamientos son especialmente útiles para estructuras complejas, como manos multifuncionales.
DemoStart comienza aprendiendo de estados sencillos y, con el tiempo, progresa a estados más difíciles hasta dominar una tarea al máximo de su capacidad. Requiere 100 veces menos demostraciones simuladas para aprender a resolver una tarea en comparación con el aprendizaje basado en ejemplos del mundo real.
El robot alcanzó una tasa de éxito superior al 98% en varias tareas simuladas, incluyendo reorientar cubos con un color específico, apretar una tuerca y un perno, y organizar herramientas. En entornos reales, logró un 97% de éxito en la reorientación y elevación de cubos, y un 64% en tareas de inserción de enchufes que requieren alta coordinación y precisión.
Desarrollado con MuJoCo, el simulador de física de código abierto de Google, DemoStart pudo transferir casi directamente sus habilidades del entorno simulado al mundo físico, utilizando técnicas estándar para reducir la brecha entre simulación y realidad, como la aleatorización de dominio.
Impulsando el Futuro de la Destreza Robótica
Estos avances ofrecen una visión de un futuro donde los robots impulsados por IA pueden integrarse sin problemas en nuestras vidas cotidianas, mejorando la productividad y manejando tareas que son demasiado mundanas, peligrosas o intrincadas para los humanos.
«La robótica es un área única de investigación en IA que muestra qué tan bien funcionan nuestros enfoques en el mundo real», señaló el equipo de robótica de Google DeepMind. «Un modelo de lenguaje grande podría decirte cómo apretar un tornillo o atarte los zapatos, pero incluso si estuviera incorporado en un robot, no podría realizar esas tareas por sí mismo».
Aunque aún queda un largo camino para que los robots puedan manipular objetos con la facilidad y precisión de las personas, estos avances representan pasos significativos hacia ese objetivo. Cada innovación nos acerca más a un futuro donde los robots pueden ayudar en una amplia variedad de tareas en el hogar, el trabajo y más allá.
Colaboraciones y Reconocimientos
Para promover un aprendizaje robótico más avanzado mediante experimentación intensiva, este nuevo enfoque se probó en una mano robótica de tres dedos llamada DEX-EE, desarrollada en colaboración con Shadow Robot.
Los autores de DemoStart incluyen a Maria Bauza, Jose Enrique Chen, Valentin Dalibard, entre otros. Por su parte, ALOHA Unleashed fue desarrollado por Tony Z. Zhao, Jonathan Tompson, Danny Driess, y colaboradores.
Conclusión
Los últimos avances de Google DeepMind en destreza robótica no solo representan logros técnicos impresionantes, sino que también allanan el camino hacia una integración más profunda de robots en nuestra vida diaria. Con sistemas como ALOHA Unleashed y DemoStart, estamos más cerca de un mundo donde la colaboración entre humanos y robots es una realidad cotidiana.
