Nanomedicina ‘made in Spain’, a escala industrial

Tecnológicas

Un sistema de navegación ‘semántico’ para mejorar el ‘sentido común’ de los robots

Los robots autónomos se desplazan libremente por un espacio gracias a la inteligencia artificial. Ahora, además, desde la Universidad Carnegie Mellon les dotan del ‘sentido común’

24 julio, 2020 07:00

Cada vez más, los robots han aprendido a desplazarse autónomamente por un espacio prefijado. La inteligencia artificial permite que aprendan a conocer y reconocer el camino que tienen que recorrer para realizar una determinada tarea sin que sea necesario que nadie les dirija.

Un robot que viaja del punto A al punto B es más eficiente si comprende que el punto A es el almacén y el punto B es el patio de descarga de camiones. Esa es la idea de ‘sentido común’ que aplica el sistema de navegación "semántico" desarrollado por la Universidad Carnegie Mellon y Facebook AI Research (FAIR).

SemExp (Exploración semántica orientada a objetivos) utiliza el aprendizaje automático para entrenar a un robot para que reconozca objetos, no sólo lugares. Así es capaz de distinguir una mesa de cocina y una mesa auxiliar, e incluso puede comprender en qué lugar de la casa es probable que se encuentren cada una de ellas. De esta forma el robot puede “pensar estratégicamente cómo buscar algo” señalan desde la Universidad.

Los sistemas de navegación robóticos clásicos, exploran un espacio y construyen un mapa en el que se muestran los obstáculos que puede encontrar. Es decir, memorizan objetos y sus ubicaciones en entornos específicos. Pero esos mismos entornos pueden cambiar o incluso es posible que se necesite al robot en otro lugar.

Este nuevo sistema de navegación robótico utiliza sus conocimientos semánticos para determinar los mejores lugares para buscar un objeto específico, pero al tratarse de un sistema modular, una vez que decide dónde debe ir, emplea la planificación clásica para llegar.

Este enfoque modular del SemExp es más eficiente. El proceso de aprendizaje se concentra, primero, en las relaciones entre objetos y diseños de sala, no tanto en las rutas a seguir. De esta manera determina la mejor estrategia de búsqueda. Después, la planificación de navegación clásica lleva al robot a donde necesita ir lo más rápido posible.

La navegación semántica en última instancia facilitará la interacción de las personas con los robots, permitiéndoles simplemente decirle al robot que busque un artículo en un lugar en particular o darle instrucciones como "ir a la segunda puerta a la izquierda".

Ese sistema de navegación ganó el Desafío ObjectNav de Hábitat el mes pasado durante la conferencia virtual de Reconocimiento de Patrones y Visión por Computadora , superando a un equipo de Samsung Research China. Fue el segundo primer puesto consecutivo para el equipo de CMU en el desafío anual. El Ejército de EEUU, la Agencia de Proyectos de Investigación Avanzada de Inteligencia, la Oficina de Investigación Naval y la Agencia de Proyectos de Investigación Avanzada de Defensa apoyaron esta investigación.