MADRID, 5 (Portaltic/EP)
Los investigadores de Google DeepMind han compartido los avances que han hecho en robótica, con tres nuevos sistemas diseñados para que los robots puedan entender mejor las tareas y realizarlas con mayor precisión y eficiencia, y hacerlo con seguridad a partir a una constitución inspirada en las leyes de la robótica de Isaac Asimov.
Google DeepMind basa sus trabajos de robótica avanzada en una constitución específica inspirada en parte en las ‘Tres leyes de la robótica’, que el escritor Isaac Asimov redactó en su relato ‘Círculo vicioso’ (‘Runaround’), con especial hincapié en el de hecho de que un robot “no hará daño a un ser humano”.
Esta constitución robótica consiste en un conjunto de instrucciones de seguridad que se deben seguir al seleccionar tareas para los robots, como explican los investigadores en una nueva publicación en su blog oficial. Por ejemplo, que “ningún robot realice tareas en las que intervengan personas, animales, objetos punzantes o aparatos eléctricos”.
Sin embargo, como estas directrices por sí solas no garantizan la seguridad, los investigadores de Google DeepMind han desarrollado tres sistemas que ayudan a los robots a “tomar decisiones más rápido y comprender y navegar mejor en sus entornos”.
AutoRT es uno de esos sistemas. Con él, se combinan los grandes modelos fundacionales, ya sean de lenguaje, visuales o de control, para recopilar datos de entrenamiento en entornos reales que permitan crear robots que puedan comprender objetivos humanos prácticos.
Según los investigadores, este sistema puede orquestar de forma segura hasta 20 robots de manera simultánea, y hasta 52 robots únicos en total. Con él, se han realizado 77.000 pruebas robóticas en 6.650 tareas únicas.
Otro sistema es el de Atención Robótica Autoadaptable para Transformadores Robóticos (SARA-RT), que utiliza una arquitectura de red neural en la última fase de control de sistemas para convertir los transformadores robóticos en modelos más eficientes, es decir, que permitan a los robots ejecutar sus tareas de forma más precisa y rápida.
La ventaja de SARA-RT, como explican los investigadores, es que un método de ajuste de modelos denominado de entrenamiento ascendente, que reduce los requisitos computacionales del entrenamiento aumentando la velocidad del modelo original.
Por último, también han desarrollado el modelo RT-Trajectory, que busca mejorar el rendimiento de los robots en la ejecución de las tareas a partir de vídeos de entrenamiento. En concreto, les ayudar a interpretar movimientos específicos y generar una trayectoria en dos dimensiones que les ayude a planificar la realización de la tarea.
Con el conjunto de estos tres sistemas, en Google DeepMind defienden que pueden “ayudar a crear robots cada vez más capaces y útiles”, al tiempo que “abordan los desafíos de la robótica actual y se adaptan a las nuevas capacidades y tecnologías de la robótica más avanzada”.
- Te recomendamos -
