“De redes neuronales y palos”: cómo se enseñó a caminar a un robot inusual a caminar

Hoy en día, los robots de las formas más extrañas son muy difíciles de sorprender. Sin embargo, un grupo de científicos de Japón parece haber tenido éxito. Construyeron extraños robots con palos y… otros materiales improvisados. Además, gracias a un sistema de inteligencia artificial muy avanzado construido sobre la base de redes neuronales, el robot aprendió a caminar. Y, no importa cuán extraño pueda sonar, este enfoque tiene un futuro muy prometedor.

Cómo se crean los robots

Estos tipos de robots, por lo general, al diseñar robots, los científicos deben tener una idea muy clara de lo que debe hacer el robot, cómo se moverá y qué acciones deberá realizar. En este caso, primero se requiere construir un prototipo del futuro dispositivo para asegurarse de que todos sus cálculos fueron correctos e identificar fallas de diseño. Pero el proceso de desarrollo no termina ahí. Después de comprender cómo funcionará el modelo, será necesario “enseñarle” las acciones que debe realizar, ya sea trabajando como manipulador, caminando o moviéndose de otras maneras.

Robots de rama

Pero, como dicen los científicos de la Universidad de Tokio y Preferred Networks, el proceso de creación de robótica no tiene que ser tan complicado. En diciembre del año pasado, comenzaron los experimentos para crear robots basados ​​en servos y materiales improvisados ​​(por ejemplo, ramas de árboles).

Además, incluso antes de la creación del modelo, los robots están entrenados para moverse en una simulación especial por computadora, donde se les enseña a caminar mediante una red neuronal avanzada basada en el aprendizaje automático profundo. Para cargar datos del modelo a una red neuronal, los científicos simplemente toman varias ramas del tamaño apropiado y el cuerpo del robot. Todo esto está sujeto a escaneo 3D. Los modelos resultantes aparecen en un programa especial de computadora que los “reúne” y comienza el proceso de aprendizaje.

Durante estas “lecciones”, se establece el modelo de comportamiento del futuro robot. La red neuronal “recompensa” el mecanismo futuro para movimientos correctos y “castiga” por movimientos incorrectos. Además, existe la posibilidad de un ajuste manual de los movimientos, así como un sistema que provoca la aparición de eventos aleatorios durante el entrenamiento para que el robot esté lo más preparado posible para lo que le espera en el mundo real. Cuando finaliza el entrenamiento, solo queda ensamblar el modelo y cargar el algoritmo de comportamiento en él.

Sé el primero en comentar

Dejar una contestacion

Tu dirección de correo electrónico no será publicada.


*