Mini Cheetah, el robot cuadrúpedo del MIT, aprendió a moverse en todo tipo de terrenos durante un protocolo de entrenamiento estrictamente virtual.
La robótica es uno de esos campos de investigación que ha progresado espectacularmente en los últimos años. Destacamos Boston Dynamics, empresa americana que se ha distinguido por increíbles máquinas como el acróbata humanoide Atlas, o Spot, el perro que es hoy una de las estrellas internacionales de la robótica. Pero hoy, es otro cibercuadrúpedo en cuestión; aquí está Mini Guepardo («guepardo cibernético»)un cuadrúpedo del MIT que acaba de establecer un récord personal bastante impresionante.
Lo primero que te llama la atención cuando ves evolucionar a Mini Cheetah es que parece sorprendentemente torpe. De hecho, lo menos que podemos decir es que está lejos de poseer la gracia y la delicadeza de las que es capaz Spot, sin mencionar sus contrapartes biológicas; en cambio, se retuerce frenéticamente como un cachorro al que le prometen una golosina.
Esto no es un error de programación o falta de habilidad por parte de los equipos del MIT, ni mucho menos; si sus movimientos parecen tan extraños es porque los diferentes movimientos nunca han sido programados individualmente. De hecho, la particularidad de Mini Cheetah es que ¡aprendió a correr solo!
Un robot totalmente autodidacta
En efecto, antes de tener derecho a una presencia física, Mini Cheetah pasó los primeros momentos de su vida en forma exclusivamente virtual. Se animó a 4000 versiones digitales de la nave a explorar su anatomía para aprender a moverse en su entorno.
Y tuvieron que hacerlo desde cero, sin ningún ejemplo de movimiento de un animal real; esto se llama aprendizaje por refuerzo. Es un poco como animar a un bebé a caminar agitando un sonajero; el objetivo es animarle a explorar todas las posibilidades físicas que le ofrece su cuerpo para que encuentre por sí mismo cómo utilizarlo para moverse.
Por lo tanto, cada modelo ha desarrollado su propia forma de caminar, luego de correr; Luego, los investigadores del MIT pudieron sintetizar los hallazgos más prometedores en un modelo final que permitió probar el fruto de su trabajo con un cuerpo físico real.
Otra diferencia fundamental en comparación con muchos robots: Mini Cheetah no tiene ninguna cámara que le permita observar su entorno. Confía completamente en sus sentimientos y en los reflejos que ha desarrollado durante el entrenamiento; recurriendo a su memoria, puede adaptar su curso a terrenos más o menos regulares, resbaladizos, etc.
Aspecto tambaleante, pero condenadamente efectivo
Es cierto que el resultado final no exuda elegancia; pero en la práctica es extremadamente fuerte, estable y versátil. Por lo tanto, es capaz de moverse en entornos donde otros robots cuadrúpedos del mismo tipo tendrían dificultades para poner una pierna delante de la otra.
A pesar de su nombre, Mini Cheetah tampoco es tan rápido como sus contrapartes biológicas. Si este último puede superar fácilmente los cien kilómetros por hora; incluso si acaba de batir su propio récord, el robot todavía se contenta con acercarse a los 15 km/h. Una cifra impresionante para un robot de este tipo; pero este rendimiento sigue siendo significativamente inferior al de otro robot guepardo producido por Boston Dynamics, cuyas velocidades máximas son comparables a las de Usain Bolt.
Pero lo más interesante es sobre todo la combinación de estos dos últimos puntos en un solo robot; es a la vez autónomo y rápido, lo cual es un verdadero cambio de paradigma. Nada que ver con el enfoque lento y cuidadoso adoptado por la mayoría de los prototipos actuales. Y eso es en gran parte gracias al autoaprendizaje habilitado por la IA; este enfoque permitió optimizar el tiempo de entrenamiento al ignorar todo lo que no permitía que el robot se moviera más rápido.
¡Y lástima si parece torpe, siempre y cuando el resultado esté ahí! “En lugar de que un ser humano determine con precisión cómo debe caminar el robot, aprende de su propia experiencia en el simulador para aprender a moverse muy, muy rápido.”, explica Gabriel Margolis, uno de los investigadores asociados al estudio.
Emanciparse de los límites conceptuales del ser humano
“Lo que vemos aquí es uno de los principales intereses de los sistemas basados en aprendizaje automático; son muy eficaces para resolver los problemas específicos que se les plantean”, explica Tønnes Nygaard, un investigador de robótica entrevistado por Wired. “En este caso, el algoritmo encuentra la forma más rápida de hacer que el robot funcione, incluso si parece que no funciona.”, especifica.
Pero sobre todo, este enfoque no solo es funcional, sino también más rápido que el desarrollo”a la antigua”. De hecho, sería simplemente imposible para los ingenieros programar individualmente todos los escenarios encontrados por Mini Cheetah durante su autoformación virtual.
Y este enfoque se puede aplicar a casi cualquier sistema afectado por el aprendizaje automático; si aceptamos sacrificar todas las limitaciones prácticas y ergonómicas, lo más probable es que la IA termine logrando su objetivo. E incluso puede haber una pequeña lección de vida detrás de esta observación: a veces es absolutamente esencial pensar fuera de la caja.
“Los buscadores humanos están limitados por su propia concepción de lo que constituye una «buena» raza. Estos criterios pueden basarse en tradiciones antiguas, en el trabajo de otros investigadores, en la naturaleza o incluso en una preferencia subconsciente por la simetría o la belleza.”, Nygaard le dice a Wired. “¡Pero estos criterios a menudo limitan nuestro enfoque y dan peores resultados!”, concluye. A buen entendedor !
