Si imaginamos un mundo en que los robots sean parte de nuestro día a día y nos ayuden a realizar tareas como las labores domésticas es necesario que las máquinas aprendan a moverse por espacios, y un equipo de investigadores las está entrenando para reconocer objetos .
Carnegie Mellon (CMU) mostró nuevas investigaciones sobre el mundo de la navegación robótica que están enfocadas a lograr que los dispositivos sean más eficientes en sus tareas al entender los objetos a su alrededor.
Con la ayuda del equipo de Facebook AI Research (FAIR), la universidad ha diseñado una navegación semántica que ayuda a los robots a moverse reconociendo objetos familiares.
Su sistema SemExp, explicaron, utiliza el aprendizaje automático para entrenar el sistema que reconoce objetos y, aunque esto no es algo nuevo, lo que destacan los investigadores es que van más allá de simples rasgos superficiales.
En el ejemplo dado por la CMU, el robot es capaz de distinguir una mesa de centro de la principal en el comedor gracias a lo cual puede “entender” en qué habitación se encuentra.
Este desarrollo, que venció a la tecnología de Samsung y obtuvo el primer lugar en un reciente Desafío Habitat ObjectNav, una competencia anual de navegación autónoma que tiene como objetivo comparar y acelerar el progreso en la IA incorporada en robots, no es el primer intento de aplicar la navegación semántica a la robótica, sin embargo se diferencia de los esfuerzos anteriores porque en este caso no se basa la mayor parte de la respuesta de los robots en su capacidad de "memorizar".
La propuesta de esta tecnología es que el robot sea capaz de relacionar un objeto con un lugar y actuar en consecuencia.
"El sentido común dice que si estás buscando un refrigerador, será mejor que vayas a la cocina", dijo Devendra S. Chaplot, estudiante de doctorado de Machine Learning. "Los sistemas de navegación robótica clásica, por el contrario, exploran un espacio mediante la construcción de un mapa que muestra obstáculos. El robot finalmente llega a donde tiene que ir, pero la ruta puede ser tortuosa".
Este puede ser un gran adelanto hacia la era en que los robots sean más inteligentes y útiles en diversos escenarios.
Parecería que lograr que los robots aprendan a moverse por los espacios no es una tarea tan interesante o urgente como ponerlos a tomar objetos o hacer labores específicas, pero lo cierto es que es un desarrollo clave, por ejemplo, para eliminar el coronavirus Covid-19 en las superficies.
Científicos del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT desarrollaron con un sistema ya probado para desinfectar grandes espacios y superficies: la emisión de luz UV.
En las primeras pruebas su sistema logró cubrir y desinfectar un área de 400 metros cuadrados en solo 30 minutos. El almacén donde fue probado recibió emisiones de luz UV para neutralizar alrededor del 90% de las partículas de coronavirus.
El robot cuenta con unas barras verticales desde las cuales se proyecta la luz UV sobre las superficies. Por su eficiencia, los investigadores creen que podría usarse en una gran variedad de lugares diferentes, como fábricas, restaurantes y supermercados.
Quizá te estés preguntando qué tiene que ver con el sistema de reconocimientos de objetos de la CMU, pues la relación es que para operar el robot con rayos UV primero es necesario enseñarle la ruta que debe seguir en el sitio y hacia dónde apuntar la luz, el desafío es que, después, de manera autónoma se adapte a los cambios en su entorno pues, como es lógico, los espacios se transforman todos los días, por ejemplo en un almacén los empleados mueven el tiempo cajas y objetos, por lo que el sistema tiene que basar su ruta en lo que no se mueve como las paredes y los anaqueles. Precisamente de ahí la importancia de que estos sistemas entiendan y reconozcan su entorno.