Investigadores de Georgia Tech desarrollaron un controlador que enseña a un humanoide a caminar sobre terrenos irregulares del mundo real. El equipo probó el robot en arena, césped empapado, grava, pendientes, escaleras y terreno plano presentes en el campus o fáciles de simular.
El doctorando Feiyang Wu lideró el trabajo. El método es más rápido y menos costoso porque reduce el tiempo de entrenamiento que exigen las simulaciones en chips GPU, y simplifica el proceso frente a los enfoques actuales.
El equipo replanteó el aprendizaje maestro-alumno: en lugar de entrenar al maestro y luego al alumno, los entrenan al mismo tiempo. Así el maestro enseña gradualmente al alumno y también aprende de los datos que genera el alumno, lo que reduce la brecha de imitación.
Tras el entrenamiento en simulación, desplegaron el controlador en un humanoide físico en el laboratorio de Ye Zhao; el robot caminó con suavidad y se adaptó cuando lo empujaron.
Palabras difíciles
- controlador — dispositivo o programa que dirige el movimiento
- humanoide — robot con formas o movimientos parecidos a humanos
- replantear — volver a pensar un problema o métodoreplanteó
- simulación — imitación de una situación real con modelossimulaciones
- maestro-alumno — método donde uno enseña y otro aprende
- brecha — separación o diferencia entre dos cosas
- desplegar — poner en funcionamiento o usar algo útildesplegaron
Consejo: pasa el cursor, enfoca o toca las palabras resaltadas en el artículo para ver definiciones rápidas mientras lees o audicións.
Preguntas de discusión
- ¿Crees que probar robots en distintos lugares del campus es suficiente para entrenarlos? ¿Por qué?
- ¿Te parece importante que un robot se adapte cuando lo empujan? Da un ejemplo de situación real.
- ¿Qué ventajas ves en entrenar maestro y alumno al mismo tiempo, según el texto?
Artículos relacionados
Qué causa el aquaplaning y cómo evitarlo
Conducir por carreteras mojadas puede provocar aquaplaning, una pérdida de adherencia entre neumáticos y pavimento. Investigadores estudiaron el fenómeno con modelos y pruebas y dicen que la velocidad y la profundidad del agua afectan el riesgo.
Por qué los modelos fallan al multiplicar números largos
Una investigación analiza por qué modelos de lenguaje no pueden multiplicar números de varias cifras. Compararon el ajuste fino estándar con un método llamado cadena de pensamiento implícita (ICoT), que sí aprendió a guardar cálculos intermedios.
Brazo robótico inflable para recoger manzanas en Washington
Productores de fruta en Washington enfrentan falta de mano de obra. Investigadores de WSU desarrollaron un brazo robótico inflable y barato para ayudar a recoger manzanas; ya lo probaron en huertos y buscan mejorar y comercializar la tecnología.
