Investigadores de la ETH de Zúrich desarrollaron un sistema robótico capaz de resolver un juego de laberinto del mundo real utilizando el aprendizaje por refuerzo.
Como se detalla en su estudio "Aprendizaje eficiente por muestreo para resolver un juego de laberinto del mundo real utilizando el aprendizaje por refuerzo basado en modelos y aumentado por datos", este robot dotado de IA dominó el juego del laberinto BRIO en sólo cinco horas de datos de entrenamiento, superando cualquier intento anterior conocido.
El juego del laberinto BRIO, que quizá resulte familiar a algunos, es una prueba de motricidad fina y razonamiento espacial que exige a los jugadores conducir una bola de acero por un laberinto inclinando el campo de juego.
A pesar de su aparente sencillez, el juego es complejo debido a la relación entre la bola y las paredes, las irregularidades de la superficie y la dinámica no lineal de los mandos de control. Estos retos hacen que el laberinto sea ideal para aplicar y evaluar los métodos de aprendizaje robótico más avanzados.
El equipo de la ETH de Zúrich, dirigido por Thomas Bi y el profesor Raffaello D'Andrea, desarrolló un método que extrae observaciones eficaces del laberinto utilizando imágenes de cámaras.
El proceso de aprendizaje de la IA se basa en el aprendizaje por refuerzo basado en modelos, utilizando una función de recompensa definida por el progreso a través del laberinto.
Tras el entrenamiento, el robot de IA recorrió con éxito el laberinto con una tasa de éxito de 76% y un tiempo medio de finalización de 15,73 segundos. Esto es ligeramente mejor que el mejor registro humano de 15,95 segundos.
Cómo funcionó el estudio
El sistema utiliza una cámara para captar imágenes de arriba abajo, extrayendo datos cruciales como la posición de la bola y el trazado del laberinto. Aprendizaje automático técnicas reflejan observaciones para mejorar los datos de entrenamiento, generando datos más diversos y mejorando la generalización.
Esta investigación representa un importante paso adelante en la aplicación de la IA en entornos dinámicos del mundo real. El equipo de la ETH tiene previsto publicar su proyecto en código abierto, ya que considera que su sistema podría servir de referencia para futuras investigaciones sobre IA gracias a sus reducidas necesidades de espacio, su modesto coste y la sencillez de su configuración de hardware.
Se publican más resultados en este sitio web, y a continuación puedes ver un vídeo sobre el intrigante funcionamiento del sistema robótico.
Uno de los coautores del estudio, el profesor Raffaello D'Andrea, comentó: "Creemos que este es el banco de pruebas ideal para la investigación en aprendizaje automático e IA en el mundo real. Antes de CyberRunner, solo las organizaciones con grandes presupuestos e infraestructuras experimentales a medida podían investigar en este campo."
"Ahora, por menos de 200 dólares, cualquiera puede dedicarse a la investigación puntera en IA. Además, una vez que miles de CyberRunners estén en el mundo real, será posible realizar experimentos a gran escala, en los que el aprendizaje se produzca en paralelo, a escala global. Lo último en ciencia ciudadana".
La aplicación de sistemas avanzados de IA a sistemas robóticos de utilidad práctica ha despertado un enorme interés. Los investigadores han utilizado recientemente la IA para construir un robot capaz de fabricación autónoma de un oxígeno catalizador a partir de muestras de rocas, y DeepMind colaboró en una laboratorio de investigación autónomo capaces de descubrir y sintetizar compuestos.
El robot de IA de la ETH de Zúrich demuestra el potencial de las técnicas avanzadas de IA para resolver retos del mundo real, tendiendo un puente entre las capacidades teóricas de la IA y su uso práctico en entornos físicos.
En el futuro, estas tecnologías se unirán para hacer posibles sistemas robóticos eficientes e inteligentes que gestionen de forma autónoma tareas complejas de la vida real.
