Si bien los expertos en robótica han logrado que los robots hagan cosas impresionantes como parkour en el laboratorio, todo ha sido cuidadosamente planeado para desarrollarse en un entorno estrictamente controlado. Tener un robot trabajando de forma autónoma en tu casa sigue siendo algo inquietante, especialmente en hogares con niños y mascotas. Además, las casas varían en diseño y la disposición de las habitaciones y los objetos es aún más variada.
Entre los expertos en robótica existe un punto de vista ampliamente reconocido conocido como "la paradoja de Moravec": lo que es difícil para los humanos es fácil para las máquinas y lo que es fácil para los humanos es difícil para las máquinas. Pero gracias a la inteligencia artificial (IA), eso está cambiando. Los robots están empezando a ser capaces de realizar tareas como doblar la ropa, cocinar y descargar cestas de la compra que no hace mucho se consideraban casi imposibles de realizar para los robots.
Según el último número de MIT Technology Review, la robótica como campo se encuentra en un punto de inflexión: los robots están saliendo del laboratorio hacia millones de hogares. La robótica está al borde de su propio punto culminante.
Los robots domésticos no pueden ser demasiado caros
En el pasado, los robots eran sinónimo de caros, y los modelos muy complejos costaban cientos de miles de dólares, lo que los hacía inasequibles para la mayoría de las familias. Por ejemplo, PR2, una de las primeras versiones de un robot doméstico, pesaba 200 kilogramos y costaba 400 000 USD.
Afortunadamente, poco a poco está surgiendo una nueva generación de robots más baratos. Stretch3, un nuevo robot doméstico desarrollado por la startup estadounidense HelloRobot, tiene un precio mucho más razonable: 24.950 dólares y pesa 24,5 kilogramos. Tiene una pequeña base móvil, un joystick del que cuelga una cámara, un brazo ajustable y un soporte con una ventosa en el extremo que puede ser operado mediante un controlador.
Mientras tanto, un equipo de investigadores de la Universidad de Stanford en EE.UU. ha construido un sistema llamado MobileALOHA (Hardware de código abierto de bajo costo para operación remota) que permite a un robot aprender a cocinar camarones con la ayuda de sólo 20 datos, incluidos los humanos. manifestaciones. El equipo utilizó componentes disponibles en el mercado para construir un robot a un precio más razonable, aunque también costó decenas de miles de dólares, pero modelos similares anteriores fácilmente podrían costar cientos de miles de dólares.
La IA construye un "cerebro robótico universal"
Lo que separa a estos nuevos robots de sus "predecesores" es en realidad su software. Gracias al auge de la IA, el foco de la tecnología está pasando de los costosos robots que logran destreza física a las redes neuronales que construyen el "cerebro robótico universal".
Los expertos en robótica están utilizando el aprendizaje profundo y las redes neuronales para crear sistemas "cerebrales" que puedan aprender del entorno y ajustar el comportamiento del robot en consecuencia en las aplicaciones, en lugar de la tradicional planificación cuidadosa y entrenamiento minucioso.
En el verano de 2023, Google presentó RT-2, un modelo de visión, palabra y acción que obtiene una comprensión general del mundo a partir de textos e imágenes en línea utilizados para la capacitación, así como de sus propias interacciones, y lo traduce. datos en acciones robóticas.
El equipo del Instituto de Investigación Toyota, la Universidad de Columbia y el MIT ya ha estado enseñando a los robots muchas tareas nuevas rápidamente con la ayuda de una técnica de aprendizaje de IA llamada aprendizaje por imitación, así como IA generativa. Este enfoque impulsará la expansión de las técnicas de IA generativa desde el ámbito del texto, las imágenes y el vídeo al ámbito del movimiento de robots.
Covariant, una startup que surgió de la ahora cerrada división de investigación de robótica de OpenAI, construyó en su lugar un modelo multimodal, RFM-1, que acepta señales de texto, imágenes, videos y comandos de robots. La IA generativa permite que los robots comprendan instrucciones y generen imágenes o videos relacionados con esas tareas.
Más datos generan robots más inteligentes
El poder de los grandes modelos de IA como GPT-4 reside en acumular grandes cantidades de datos de Internet, pero esto no se aplica a los robots, que necesitan datos recopilados específicamente para ellos. Necesitan demostraciones físicas de cómo abrir lavadoras y refrigeradores, levantar un plato o doblar la ropa. En este momento, estos datos son muy escasos y lleva mucho tiempo recopilarlos.
Google Deep Mind ha lanzado un nuevo programa llamado Open Source X-Embodiment Collaboration para cambiar eso. El año pasado, la compañía se asoció con unos 150 investigadores en 34 laboratorios para recopilar datos de 22 robots diferentes, incluido el Stretch 3 de HelloRobot. El conjunto de datos resultante, que se publicará en octubre de 2023, incluirá 527 de las habilidades del robot, como recoger, empujar y en movimiento.
También hay un robot llamado RT-X, para el cual los investigadores han construido dos versiones del modelo específicamente, que pueden ejecutarse localmente en computadoras en varios laboratorios y acceder a través de la Web.
El modelo más grande, accesible a través de la web, fue entrenado previamente con datos de Internet para desarrollar el "sentido común visual" a partir de grandes modelos de lenguaje e imagen. Cuando los investigadores ejecutan el modelo RT-X en muchos robots diferentes, descubren que dichos robots tienen un 50% más de éxito en el aprendizaje de habilidades que los sistemas desarrollados de forma independiente en cada laboratorio.
En resumen, son más datos los que hacen que los robots sean más inteligentes.