Investigadores de Georgia Tech presentaron un nuevo marco para enseñar a un humanoide a caminar sobre terrenos irregulares de la vida real. El trabajo, liderado por el doctorando Feiyang Wu, incluye un controlador de cuerpo entero que resultó más rápido y barato que los principales enfoques actuales de entrenamiento.
El equipo identificó dos problemas en el método estándar de aprendizaje maestro-alumno: primero, entrenar al maestro y luego al alumno de forma secuencial lleva mucho tiempo; segundo, parte de la información útil que recopila el maestro puede perderse. La simulación exige muchas horas de cálculo en GPU, lo que hace costoso el proceso.
La solución fue entrenar al maestro y al alumno de forma simultánea. El maestro enseña gradualmente al alumno mientras sigue aprendiendo y además incorpora datos que genera el propio alumno. Este cambio reduce la brecha de imitación y aprovecha mejor la información disponible.
Tras el entrenamiento en simulación, el equipo desplegó el controlador en un humanoide físico en el laboratorio de Ye Zhao. El robot caminó con suavidad sobre distintas superficies y se adaptó cuando los investigadores lo empujaron y tiraron. El marco “Learn to Teach” está diseñado para aplicarse a otros diseños de robots y a tareas más allá de la marcha.
- Arena
- Césped empapado
- Grava
- Pendientes y escaleras
- Terreno plano
El trabajo se presentó en la IEEE International Conference on Robotics and Automation y fue una colaboración entre la George W. Woodruff School of Mechanical Engineering y la School of Computational Science and Engineering, con apoyo de varias agencias gubernamentales.
Palabras difíciles
- controlador — programa o sistema que dirige un robot
- simulación — modelo por computadora que imita la realidad
- entrenamiento — proceso de enseñar y ajustar un controlador
- brecha — diferencia entre lo esperado y lo imitado
- simultáneo — que ocurre al mismo tiemposimultánea
- desplegar — poner en funcionamiento un sistema o robotdesplegó
Consejo: pasa el cursor, enfoca o toca las palabras resaltadas en el artículo para ver definiciones rápidas mientras lees o audicións.
Preguntas de discusión
- ¿Qué ventajas prácticas tiene entrenar al maestro y al alumno simultáneamente, según el artículo?
- ¿Cómo crees que se podría aplicar el marco “Learn to Teach” a otros diseños de robots o tareas distintas a la marcha?
- ¿Qué retos pueden aparecer al transferir controladores entrenados en simulación a un robot físico en la vida real?
Artículos relacionados
Viviendas más seguras: estructuras y regulación
Un estudio concluye que para viviendas seguras hacen falta tanto estructuras resistentes como regulaciones adaptadas. Los investigadores analizaron casos como Anchorage y combinaron entrevistas con análisis estructural para proponer cambios prácticos en los códigos.
Enjambre robótico sin electrónica controlado por su forma
Investigadores de Georgia Tech crearon un enjambre de pequeñas partículas que se enganchan y se liberan solo por su diseño mecánico. Un impulso de vibración puede activar su despliegue y tiene aplicaciones médicas y espaciales.
Etiquetas ultrasónicas sin batería para el hogar
Investigadores desarrollaron pequeñas etiquetas metálicas sin batería que emiten pulsos ultrasónicos al tocarlas. Son baratas, silenciosas y generan señales únicas que un dispositivo cercano puede detectar y registrar para usos en el hogar.