Chicago.-Una robot, de un laboratorio de la Universidad de Michigan, llamada MABEL, puede correr como un humano, con un ritmo máximo de 10.94 kilómetros por hora, es bípeda, tiene rodillas y es la más rápida del mundo.]Según sus creadores, fue construida en 2008 en colaboración con investigadores del Instituto de Robótica de la Universidad Carnegie Mellon y está bajo el cuidado de Jessy Grizzle, profesor del Departamento de Ingeniería Eléctrica y Ciencia de Computación de la UM.Indicaron que junto con dos estudiantes tratan de mejorar el entrenamiento de la robot, cuyo propósito es financiado por la Fundación Nacional de Ciencias.Los avances alcanzados incluyen un mejoramiento progresivo de los algoritmos de retroalimentación que permiten que la robot reaccione a su ambiente en tiempo real.Al principio MABEL, que fue diseñada por Johnathan Hurt, quien ahora imparte clases en la Universidad de Oregon, caminaba suave y rápidamente sobre superficies planas, luego pasó a un terreno disparejo, pero a fines de julio pasado hizo su primer trote.La robot tiene un peso distribuido como el de una persona, con un torso más pesado, piernas livianas y flexibles que cuentan con resortes que actúan como tendones. 'Como una corredora humana real, MABEL está en el aire el 40 por ciento de cada paso", dijo Grizzle.Pocos son los robots que pueden correr y los investigadores dicen que ninguna máquina, aparte de MABEL, puede hacerlo con tal semejanza de los movimientos del paso humano."Otros robots corredores avanzan casi a la velocidad de la caminata rápida y en ellos la llamada fase de vuelo, que es cuando ambos pies no tocan el suelo, dura menos del 10 por ciento en cada paso", agregó.Los ingenieros imaginan algunas potenciales aplicaciones extraordinarias de su trabajo, por ejemplo, la construcción de exoesqueletos que permitan que las personas que ahora están confinadas en sillas de rueda vuelvan a caminar.Además, que se den habilidades superhumanas al personal de salvamentos; o se fabriquen prótesis de miembros que se comporten como sus contrapartes biológicas."Los robots bípedos con una buena forma de correr también tendrían la ventaja de que pueden trasladarse sobre un terreno abrupto y dentro de sitios construidos para los humanos, por lo que algún día podrían operar como soldados o personal de socorro", comentó el especialista.Las esperanzas en MABEL se proyectan en la posibilidad de contar con un robot que pueda ir a sitios donde van actualmente los humanos con vehículos, por lo que es importante dotarla de una morfología humana resistente, lo que eliminaría la construcción de caminos.Sin embargo, aún faltan muchas etapas por alcanzar, por ejemplo, hacerla más precisa."Si uno quisiera enviar robots en busca de personas adentro de una casa en llamas, es probable que el robot necesite la capacidad para subir y bajar escaleras, maniobrar en un ambiente donde las ruedas y las orugas quizá no sean apropiadas", puntualizó Grizzle
YAPA
Investigadores japoneses crean un robot que aprende, piensa y actúaEn cualquier visión del futuro, por ejemplo, en Metrópolis de Fritz Lang, casi siempre lleva imágenes de autómatas y robots que realizan los trabajos más pesados y que, por tanto, hacen algo más fácil la vida del ser humano. Ejemplos de cómo la robótica hace más fácil la vida del ser humano los podemos encontrar en muchos ámbitos, por ejemplo, en el la medicina y la asistencia a personas con discapacidad. En el campo de la industria también se están introduciendo robots que permiten sustituir operarios y aumentar los ritmos de producción, si bien más que hacérselo más fácil a los humanos, generan desempleo (por ejemplo el caso de Foxconn). Si recordamos la réplica a escala del cerebro humano que se estaba construyendo con procesadores ARM, las redes neuronales eran unas de las bases sobre las que se apoyaba el autoaprendizaje de las máquinas y, por tanto, la inteligencia artificial. Siguiendo esta estela, el Grupo Hasegawa del Instituto de Tecnología de Tokio ha desarrollado un robot que aprende algunos trucos y los reproduce, por ejemplo, servir un vaso de agua y añadirle un cubo de hielo. Este barman mecánico está basado en la auto-organización de redes neuronales incrementales (SOINN, Self-Organizing Incremental Neural Network), que permiten crear una base de conocimiento que es aplicable a nuevas tareas y que permiten al autómata definir posibles vía de actuación para solventar el problema. En definitiva, parece que el robot aprende, piensa y actúa. Intentando imitar el modo de actuación de un ser humano, al robot se le planteó el problema de ofrecer un vaso de agua helada, concretamente, servir un vaso de agua, enfriarlo y ofrecérselo a una persona. Con este enunciado el robot, en base a los conocimientos generados por acciones anteriores, tenía que decidir qué hacer y, lo más importante, el orden en el que ejecutaría las acciones aprendidas. Hasta ahora los robots, incluyendo los industriales, han sido capaces de realizar tareas muy concretas con rapidez y precisión, sin embargo, cuando el entorno cambia un poco, se les hace complicado responder. Este robot almacena conocimientos básicos y los puede aplicar a situaciones inmediatas. Si no “sabe” lo suficiente, se detiene e indica que no puede ejecutarlo porque no sabe cómo, por tanto, si le vamos enseñando cosas, las irá incorporando como nuevos conocimientos y, encajando cada pieza, podría resolver un problema mayor. Volviendo al ejemplo, al pedirle al robot agua fría, sabe que después de servir el agua en el vaso no puede coger el hielo porque tiene sus manos ocupadas con el vaso y la botella, por tanto, debe poner la botella en la mesa y, entonces, servir el hielo en el vaso. Si trasladamos la inteligencia artificial al mundo real, es evidente que los entornos reales son muchísimo más complejos y cambian rápidamente. Por tanto, es necesario incluir un mecanismo de aprendizaje que haga que el autómata se adapte a la situación. Además, debido a que los entornos son cambiantes, los robots deben tener la capacidad de seguir aprendiendo y obteniendo nueva información sobre el terreno. Para lograr todo esto hemos implementado un algoritmo de redes neuronales con SOINN que, además de ser bastante ligero en la computación, elimina cualquier ruido procedente de la nueva información que entra en juego El robot captura los parámetros del entorno a través de sus propios sensores (visión, táctiles, etc) además de los datos que recibe, sin embargo, SOINN permite que esta inteligencia sea colectiva, es decir, los robots pueden adquirir conocimientos que procedan del aprendizaje de otros robots, por ejemplo, a través de Internet. Gracias a esto, todos los robots podrían adquirir los conocimientos del resto y aprender mucho más rápido. Supongamos que el robot tuviese que preparar té y nadie le hubiese enseñado y que, además, se enviase el robot a asistir a una persona mayor que vive sola. Si esta persona pidiese una taza de té verde, el robot no sabía cómo hacerlo y, por tanto, consulta a través de Internet con otros robots para que le transfieran los conocimientos necesarios para hacerlo. Imaginemos que un robot en Reino Unido le transifere cómo hacer té pero al estilo británico, creemos que este robot sería capaz de adaptarse a las condiciones de contorno y adaptar la preparación a una tetera japonesa. Interesante implementación de “inteligencia colectiva”, supongo que con el tiempo, este, por ahora, robot-barman podría ser capaz de desarrollar tareas mucho más complejas.
YAPA
Investigadores japoneses crean un robot que aprende, piensa y actúaEn cualquier visión del futuro, por ejemplo, en Metrópolis de Fritz Lang, casi siempre lleva imágenes de autómatas y robots que realizan los trabajos más pesados y que, por tanto, hacen algo más fácil la vida del ser humano. Ejemplos de cómo la robótica hace más fácil la vida del ser humano los podemos encontrar en muchos ámbitos, por ejemplo, en el la medicina y la asistencia a personas con discapacidad. En el campo de la industria también se están introduciendo robots que permiten sustituir operarios y aumentar los ritmos de producción, si bien más que hacérselo más fácil a los humanos, generan desempleo (por ejemplo el caso de Foxconn). Si recordamos la réplica a escala del cerebro humano que se estaba construyendo con procesadores ARM, las redes neuronales eran unas de las bases sobre las que se apoyaba el autoaprendizaje de las máquinas y, por tanto, la inteligencia artificial. Siguiendo esta estela, el Grupo Hasegawa del Instituto de Tecnología de Tokio ha desarrollado un robot que aprende algunos trucos y los reproduce, por ejemplo, servir un vaso de agua y añadirle un cubo de hielo. Este barman mecánico está basado en la auto-organización de redes neuronales incrementales (SOINN, Self-Organizing Incremental Neural Network), que permiten crear una base de conocimiento que es aplicable a nuevas tareas y que permiten al autómata definir posibles vía de actuación para solventar el problema. En definitiva, parece que el robot aprende, piensa y actúa. Intentando imitar el modo de actuación de un ser humano, al robot se le planteó el problema de ofrecer un vaso de agua helada, concretamente, servir un vaso de agua, enfriarlo y ofrecérselo a una persona. Con este enunciado el robot, en base a los conocimientos generados por acciones anteriores, tenía que decidir qué hacer y, lo más importante, el orden en el que ejecutaría las acciones aprendidas. Hasta ahora los robots, incluyendo los industriales, han sido capaces de realizar tareas muy concretas con rapidez y precisión, sin embargo, cuando el entorno cambia un poco, se les hace complicado responder. Este robot almacena conocimientos básicos y los puede aplicar a situaciones inmediatas. Si no “sabe” lo suficiente, se detiene e indica que no puede ejecutarlo porque no sabe cómo, por tanto, si le vamos enseñando cosas, las irá incorporando como nuevos conocimientos y, encajando cada pieza, podría resolver un problema mayor. Volviendo al ejemplo, al pedirle al robot agua fría, sabe que después de servir el agua en el vaso no puede coger el hielo porque tiene sus manos ocupadas con el vaso y la botella, por tanto, debe poner la botella en la mesa y, entonces, servir el hielo en el vaso. Si trasladamos la inteligencia artificial al mundo real, es evidente que los entornos reales son muchísimo más complejos y cambian rápidamente. Por tanto, es necesario incluir un mecanismo de aprendizaje que haga que el autómata se adapte a la situación. Además, debido a que los entornos son cambiantes, los robots deben tener la capacidad de seguir aprendiendo y obteniendo nueva información sobre el terreno. Para lograr todo esto hemos implementado un algoritmo de redes neuronales con SOINN que, además de ser bastante ligero en la computación, elimina cualquier ruido procedente de la nueva información que entra en juego El robot captura los parámetros del entorno a través de sus propios sensores (visión, táctiles, etc) además de los datos que recibe, sin embargo, SOINN permite que esta inteligencia sea colectiva, es decir, los robots pueden adquirir conocimientos que procedan del aprendizaje de otros robots, por ejemplo, a través de Internet. Gracias a esto, todos los robots podrían adquirir los conocimientos del resto y aprender mucho más rápido. Supongamos que el robot tuviese que preparar té y nadie le hubiese enseñado y que, además, se enviase el robot a asistir a una persona mayor que vive sola. Si esta persona pidiese una taza de té verde, el robot no sabía cómo hacerlo y, por tanto, consulta a través de Internet con otros robots para que le transfieran los conocimientos necesarios para hacerlo. Imaginemos que un robot en Reino Unido le transifere cómo hacer té pero al estilo británico, creemos que este robot sería capaz de adaptarse a las condiciones de contorno y adaptar la preparación a una tetera japonesa. Interesante implementación de “inteligencia colectiva”, supongo que con el tiempo, este, por ahora, robot-barman podría ser capaz de desarrollar tareas mucho más complejas.