Los bebés aprenden sobre el mundo por explorar cómo sus cuerpos se mueven en el espacio, el acaparamiento de los juguetes, llevar las cosas de las mesas y observando e imitando lo que los adultos están haciendo.
Pero cuando los robotistas quieren enseñar a un robot como hacer una tarea, por lo general, lo hacen escribiendo un código o físicamente mueven el brazo o el cuerpo de un robot para mostrarla cómo realizar una acción.
Ahora, una colaboración entre la Universidad de Washington, los psicólogos del desarrollo e informáticos ha demostrado que los robots pueden “aprender” al igual que los niños – por acumular datos a través de la exploración, viendo un ser humano realizar una tarea y determinar la mejor manera de llevar a cabo esa tarea por sí mismo.
“Se puede ver esto como un primer paso en la construcción de robots que pueden aprender de los seres humanos de la misma manera que los niños aprenden de los humanos”, dijo el autor principal Rajesh Rao, profesor de la Universidad de Washington de la informática y la ingeniería.
“Si quieres que la gente que no sabe nada acerca de la programación de computadoras pueda enseñar a un robot, la manera de hacerlo es a través de la demostración – muestra a el robot cómo limpiar sus platos, doblar la ropa, o hacer las tareas del hogar. Pero para lograr ese objetivo, es necesario que el robot será capaz de entender las acciones y realizar por su cuenta “.
La investigación, que combina la investigación del desarrollo infantil desde el Instituto de la Universidad de Washington para el Aprendizaje & Brain Sciences Lab (I-LABS) con los enfoques de aprendizaje de máquina, fue publicada en un artículo en noviembre en la revista PLoS ONE.
En el papel, el equipo de la Universidad de Washington ha desarrollado un nuevo modelo probabilístico dirigido a la solución de este reto fundamental en robótica: la construcción de robots que pueden aprender nuevas habilidades al observar a la gente y imitarlos.
Los expertos en robótica colaboraron con UW profesor de psicología y la I-LABS codirector Andrew Meltzoff, cuya investigación seminal ha demostrado que los niños tan jóvenes como de 18 meses pueden inferir el objetivo de las acciones de un adulto y desarrollar formas alternativas de alcanzar esa meta por sí mismos.
En un ejemplo, los niños vieron un adulto que intenta separar un juguete en forma de barra-, pero el adulto no logró alcanzar ese objetivo porque el juguete fue pegado y sus manos se deslizó de los extremos. Los bebés observaban cuidadosamente y luego decidieron utilizar métodos alternativos envolvieron sus diminutos dedos todo el camino alrededor de los extremos y tiró especialmente fuerte.
Los niños adquieren habilidades, en parte a través de la auto-exploración que les ayuda a aprender las leyes de la física y cómo sus propias acciones influyen en los objetos, con el tiempo lo que les permite acumular conocimiento suficiente para aprender de los demás y de interpretar sus intenciones. Meltzoff cree que una de las razones de los bebés aprenden tan rápido es que son tan juguetones.
https://www.youtube.com/watch?v=x30Qw9Vry7k?rel=0&w=460&h=345
“Los bebés se involucran en lo que parece un juego sin sentido, pero esto permite el aprendizaje futuro. Es la salsa secreta de un bebé para la innovación”, dijo Meltzoff. “Si están tratando de averiguar cómo funciona un juguete nuevo, en realidad están utilizando conocimientos adquiridos al jugar con otros juguetes. Durante el juego que están aprendiendo un modelo mental de cómo sus acciones provocan cambios en el mundo. Y una vez que tenga ese modelo se puede empezar a resolver problemas nuevos y empezar a predecir las intenciones de otra persona “.
El equipo de Rao utiliza la investigación sobre los bebés para desarrollar algoritmos de aprendizaje automático que permiten a un robot explorar cómo sus propias acciones dan lugar a diferentes resultados. A continuación, utiliza ese modelo probabilístico aprendido a inferir lo que un ser humano quiere hacer y completar la tarea, e incluso a “pedir” ayuda si no esta seguro que pueda.
El equipo probó su modelo de robótica en dos escenarios diferentes: un experimento de simulación por ordenador en el que un robot aprende a seguir la mirada de un ser humano, y otro experimento en el que un robot real aprende a imitar las acciones humanas que implican mover objetos de alimentos de juguetes a diferentes áreas en una mesa .
En el experimento de la mirada, el robot aprende un modelo de sus propios movimientos de la cabeza y se supone que la cabeza del ser humano se rige por las mismas reglas. El robot rastrea los puntos inicial y final de los movimientos de la cabeza de un ser humano como el ser humano se ve a través del cuarto y utiliza esa información para averiguar si la persona está buscando. El robot utiliza entonces su modelo aprendido de movimientos de la cabeza que se fije en la misma ubicación que el humano.
“Los bebés usan su propia experiencia para interpretar el comportamiento de los demás – y también lo hizo nuestro robot”, dijo Meltzoff.
En el segundo experimento, el equipo permitió un robot a experimentar con empujar o recogiendo diferentes objetos y moverlos alrededor de una mesa. El robot utiliza ese modelo a imitar a un ser humano que se movía alrededor de los objetos o se despeja todo lo que fuera de la mesa. En lugar de imitar de forma rígida la acción humana cada vez, el robot utiliza a veces diferentes medios para conseguir los mismos fines.
“Si el hombre empuja un objeto a una nueva ubicación, puede ser más fácil y más fiable para un robot con una pinza para recogerlo para moverlo allí en vez de empujarlo”, dijo el autor principal, Michael Jae-Yoon Chung, UW estudiante de doctorado en ciencias de la computación y la ingeniería. “Pero eso requiere saber cuál es la meta, que es un problema difícil en la robótica y la que nuestro trabajo trata de abordar”.
Aunque los experimentos iniciales involucrados aprenden a inferir objetivos e imitar comportamientos simples, el equipo planea explorar cómo este modelo puede ayudar a los robots a aprender tareas más complicadas.
“Los bebés aprenden a través de su propia obra y la de otros que miran”, dice Meltzoff, “y ellos son los mejores alumnos en el planeta – ¿por qué no diseñar robots que aprenden tan fácilmente como un niño”
La investigación fue financiada por la National Science Foundation Oficina de Investigación Naval, e Intel.
¿Quieres recibir más información como ésta? Síguenos en Facebook y en Google + para mantenerte actualizado con las últimas novedades.
O puedes utilizar los siguientes botones para Compartir en Redes Sociales:
