La robótica está presente en cada vez más ámbitos, algo que podemos ver materializado con los vehículos autónomos, en el ámbito militar con exoesqueletos o robots como AlphaDog e, incluso, los hay que son capaces de marcarse los pasos de baile del Gagnam Style. Dentro del amplio espectro de robots que vamos conociendo a través de los medios de comunicación y distintos grupos de investigación, podemos encontrar distintos proyectos de robots capaces de resolver problemas complejos y actuar, sobre la marcha, basándose en los conocimientos adquiridos a través de un proceso de aprendizaje. Los procesos de aprendizaje de robots son la base de proyectos como el robot Macgyver o de los brazos robóticos del MIT que conocimos ayer y a los que vamos a sumar un curioso jugador de tenis de mesa robótico desarrollado por el Instituto Max Planck para el Desarrollo de Sistemas Inteligentes.
Este proyecto lleva tiempo desarrollándose en el seno del Instituto Max Planck para el Desarrollo de Sistemas Inteligentes, situado en Tübingen (Alemania), donde el equipo de investigadores ha tomado como base un brazo robot comercial y se ha enfocado en desarrollar un algoritmo de aprendizaje para que el brazo sea capaz de jugar al tenis de mesa, es decir, localizar la pelota (mediante un sistema de visión arficial) y devolverla al lado contrario de la mesa con un golpe certero.
¿Y cómo puede un robot aprender a jugar al tenis de mesa? La respuesta podría ser simple: mediante programación; pero realmente es algo más compleja puesto que uno de los miembros del equipo de investigación agarró el brazo robot y lo guió en una partida convencional con la idea de obtener una serie de pautas y movimientos básicos. De esta tutorización, el equipo extrajo unos 25 patrones de movimiento básicos y, mediante su combinación, el robot es capaz de responder (con más o menos acierto) y golpear la bola con su pala.
Cuando el robot recibe la bola y debe responder, realiza una combinación de los 25 patrones mediante un sistema de ponderación, es decir, a cada uno de estos 25 movimientos base se les asigna un peso y el resultado final es el golpe que debe efectuar. ¿Y de dónde provienen los pesos? Aquí es donde entra en juego, de nuevo, el proceso de aprendizaje y entrenamiento, un proceso en el que se somete a prueba el sistema (se le hace jugar) y se le realimenta con los éxitos y fracasos en sus golpes, recalibrando los pesos y, mediante la práctica, obteniendo una mejor tasa de resultados.
El dicho popular de que la práctica lleva a la perfección no es de aplicación únicamente para el caso humano. Si bien este proyecto tiene algún tiempo, y el último de los vídeos que ha subido una de las investigadoras del equipo es de hace unos meses, hay que reconocer que el resultado es magnífico.
 |  |
via ALT1040 http://hipertextual.feedsportal.com/c/33160/f/538984/s/24f41ee4/l/0Lalt10A40A0N0C20A120C10A0Ctenis0Emesa0Erobots/story01.htm
Comentarios
Publicar un comentario