Enseñar a un robot una tarea nueva suele requerir tiempo, datos y bastante entrenamiento. Además, cuando aprende una habilidad nueva, puede terminar olvidando otras que ya dominaba.
Por eso, un equipo de investigadores de Beijing Institute of Technology, X SQUARE ROBOT y Tsinghua University propone una alternativa llamada HOST, un sistema que permite a un robot aprender una tarea nueva a partir de un solo video de una persona realizando esa actividad.
Sistema HOST
La idea es bastante sencilla. El robot observa la demostración y trata de entender en qué momento de la tarea se encuentra. Después, analiza lo que hará la persona a continuación y predice qué debería ver el propio robot mientras avanza. Finalmente, utiliza esa predicción para decidir qué movimiento debe realizar.
Este proceso permite adaptar la demostración al cuerpo del robot. Una persona y un brazo robótico, por ejemplo, no tienen las mismas dimensiones ni pueden moverse de la misma manera. HOST intenta superar esa diferencia anticipando cómo debería verse la tarea desde la perspectiva del robot.
El sistema no necesita modificar sus parámetros cada vez que aprende una habilidad. Eso permite adquirirla directamente durante la ejecución. Sin embargo, HOST sí recibió un entrenamiento previo bastante amplio. Los investigadores utilizaron 193.462 trayectorias robóticas correspondientes a 229 tareas, además de 5.847 videos de personas realizando esas actividades.
Para comprobar su funcionamiento, probaron HOST con un sistema compuesto por dos brazos robóticos ARX R5 de seis ejes, cada uno equipado con una pinza, y tres cámaras RGB. El equipo enfrentó al robot con 50 tareas de manipulación que no había visto antes. Las actividades involucraban distintos objetos, herramientas y movimientos. Cada tarea se repitió 20 veces, cambiando la posición u orientación de los objetos.
Mejores resultados
Los resultados fueron prometedores. El robot tardó un promedio de 29 segundos en adquirir cada nueva habilidad a partir de un único video y consiguió realizar correctamente el 62 % de los intentos. Según los investigadores, esto representa una mejora del 45 % frente al sistema utilizado como referencia.
La comparación con métodos que requieren entrenamiento adicional también llamó la atención. HOST superó incluso a un sistema ajustado con 50 demostraciones robóticas para cada tarea. Lo hizo utilizando 50 veces menos demostraciones y adquiriendo cada habilidad 507 veces más rápido.
Todavía queda camino por recorrer. Un 62 % de éxito está lejos de ser suficiente para confiar en un robot en cualquier situación. Aun así, HOST apunta hacia una forma más práctica de enseñar habilidades a las máquinas, donde mostrarles cómo hacer algo podría bastar para que aprendan a intentarlo por sí mismas.