Investigadores de la Universidad de Berkeley desarrollan tecnología impulsada por IA para acelerar la programación y el entrenamiento de robots

·por Henderson·Engineering
Investigadores de la Universidad de Berkeley desarrollan tecnología impulsada por IA para acelerar la programación y el entrenamiento de robots
Puntos clave
  • La tecnología de IA desarrollada por la Universidad de Berkeley puede acelerar la programación y el entrenamiento de robots.
  • La tecnología de robots agentes combina múltiples agentes de IA para generar programas de control, mejorando el rendimiento de los robots.
  • Esta tecnología reduce la necesidad de grandes conjuntos de datos de entrenamiento y de ingeniería manual.
  • Las aplicaciones iniciales se centran en entornos industriales, mostrando una mejora significativa en la capacidad de clasificación de paquetes.

Investigadores de la Universidad de California, Berkeley, han desarrollado una tecnología basada en inteligencia artificial que puede acelerar significativamente la programación y el entrenamiento de robots para enfrentar tareas del mundo real. Este enfoque, denominado "tecnología de robots agentes", utiliza múltiples agentes de inteligencia artificial para generar programas de control de robots, probarlos en entornos simulados y mejorar continuamente su rendimiento. Esta tecnología puede reducir la necesidad de grandes conjuntos de datos de entrenamiento y de ingeniería manual, que han sido los principales desafíos que limitan el desarrollo de robots altamente capaces. Las pruebas iniciales han mostrado mejoras en el rendimiento de las tareas robóticas, lo que sugiere su potencial aplicación en la automatización industrial y en las operaciones de almacén.

Ventajas de la tecnología de robots agentes

Este nuevo enfoque de programación de robots combina inteligencia artificial de agentes, simulaciones basadas en física y sistemas de control modular, ayudando a los robots a mejorar su rendimiento sin depender de grandes conjuntos de datos de entrenamiento. La tecnología de robots agentes permite que múltiples agentes de inteligencia artificial generen programas de control de robots, los prueben en entornos simulados, identifiquen fallos y revisen su código antes de aplicarlo a robots físicos. Esta tecnología aborda dos desafíos de larga data en la robótica: la extensa ingeniería necesaria para programar el comportamiento de los robots y la gran cantidad de datos del mundo real requeridos para el aprendizaje por imitación.

El equipo de investigación ha publicado un estándar de referencia de la industria para evaluar el rendimiento de los robots en tareas industriales. Tradicionalmente, los expertos en robótica han confiado en dos enfoques amplios. La tecnología robótica basada en modelos requiere que los ingenieros programen manualmente cómo los robots perciben objetos, planifican acciones y controlan comportamientos, mientras que la tecnología robótica sin modelo utiliza demostraciones y aprendizaje por imitación para enseñar a los robots a realizar tareas. El primero requiere un gran esfuerzo de ingeniería, mientras que el segundo necesita grandes conjuntos de datos y largos tiempos de entrenamiento. La tecnología de robots agentes busca combinar las ventajas de estos enfoques mientras reduce sus limitaciones.

Este enfoque utiliza un marco denominado "gráficos como estrategias", que descompone tareas robóticas complejas en habilidades más pequeñas y reutilizables, incluyendo la identificación de objetos, la planificación de acciones de agarre y el movimiento del manipulador del robot sin chocar con objetos circundantes. Los agentes de inteligencia artificial conectan estas habilidades individuales para construir programas de control robótico completos. Utilizando el marco de simulación Isaac de NVIDIA, los investigadores probaron estos programas en diversas condiciones, identificaron problemas y modificaron repetidamente el código para mejorar el rendimiento. Esto permite que los robots experimenten múltiples rondas de pruebas virtuales antes de que los ingenieros implementen el programa final en máquinas físicas.

Una de las demostraciones involucró a un robot utilizando una esponja para limpiar tinta de una barra de metal. Los investigadores proporcionaron al sistema de inteligencia artificial un breve video y le permitieron acceder a la interfaz de simulación. En una hora, el sistema generó y ajustó una simulación física que replicaba la tarea, incluyendo la deformación realista de la esponja. Luego, la inteligencia artificial utilizó esa simulación y el marco de "gráficos como estrategias" para generar un programa de control robótico. Probó y perfeccionó repetidamente el código, y luego lo transfirió a un robot físico. En una prueba, el robot derribó la barra de metal porque no consideró con precisión el peso del objeto.

El sistema utilizó el video de este fallo para actualizar su simulación, revisar el programa de control y probar nuevos enfoques. Este proceso de retroalimentación permite que los agentes de inteligencia artificial utilicen los fracasos en las pruebas físicas para mejorar la simulación y perfeccionar los intentos posteriores, lo que potencialmente reduce la carga de trabajo de la ingeniería manual.

Aplicaciones de la tecnología en logística industrial

Esta tecnología también ha sido probada en logística industrial. Una empresa de robótica de almacenes aplicó estos métodos a la clasificación de paquetes, analizando datos de producción y probando actualizaciones del comportamiento de los robots. Los informes de prueba mostraron que la capacidad de clasificación de cada robot aumentó en más de 15,000 paquetes por año. La empresa ya ha implementado estas mejoras en el 30% de su flota en Estados Unidos. Los investigadores también han liberado código abierto construido sobre el marco de simulación Isaac de NVIDIA y han proporcionado un estándar de la industria para evaluar el rendimiento de los robots en diferentes tareas.

Las aplicaciones iniciales se han centrado en entornos industriales, donde las operaciones repetitivas ofrecen oportunidades para probar y perfeccionar el comportamiento de los robots.

Este enfoque podría facilitar que los sistemas robóticos se adapten a las demandas cambiantes sin necesidad de programar manualmente cada acción o recopilar grandes cantidades de datos de demostración para cada nueva tarea. Sin embargo, esto no significa que los robots puedan dominar de forma independiente cualquier actividad del mundo real. Su potencial inmediato radica en hacer que la programación, prueba y mejora de los robots sea más rápida y adaptable, especialmente en entornos industriales estructurados.

Cómo la tecnología de IA está cambiando la forma de programar robots

La recién desarrollada tecnología de robots agentes demuestra el potencial de la inteligencia artificial en la programación robótica, especialmente en la reducción de la dependencia de métodos tradicionales. Al combinar simulaciones y control modular, esta tecnología no solo puede mejorar el rendimiento de los robots, sino también adaptarse rápidamente a las demandas cambiantes en entornos industriales. Esto tiene importantes implicaciones para aumentar la eficiencia de producción y reducir costos, especialmente en escenarios que requieren muchas operaciones repetitivas. A medida que la tecnología continúe desarrollándose, es probable que surjan más soluciones automatizadas, impulsando aún más el proceso de automatización industrial.

H
Sobre el autor
Henderson