Un nuevo sistema que enseña a los robots una tarea doméstica en unos 20 minutos podría ayudar al campo de la robótica a superar uno de sus mayores retos: la falta de datos de entrenamiento.

El sistema de código abierto, llamado Dobb-E, se entrenó utilizando datos recogidos en hogares reales. Puede ayudar a enseñar a un robot a abrir una freidora de aire, cerrar una puerta o enderezar un cojín, entre otras tareas.

Mientras que otros tipos de IA, como los modelos de lenguaje de gran tamaño, se entrenan con enormes repositorios de datos extraídos de Internet, no se puede hacer lo mismo con los robots, porque los datos deben recopilarse físicamente. Por eso es mucho más difícil crear y ampliar bases de datos de entrenamiento.

Del mismo modo, aunque es relativamente fácil entrenar robots para que ejecuten tareas en un laboratorio, estas condiciones no se trasladan necesariamente a la imprevisibilidad de un hogar real.

Para combatir estos problemas, el equipo ideó una forma sencilla y fácilmente reproducible de recopilar los datos necesarios para entrenar a Dobb-E: utilizar un iPhone sujeto mediante un palo provisto de una pinza, del tipo que habitualmente se utiliza para la recogida de basura. A continuación, programaron el iPhone para que grabara vídeos de lo que ocurría.

Voluntarios de 22 hogares de Nueva York realizaron determinadas tareas con el palo, como abrir y cerrar puertas y cajones, encender y apagar luces y tirar pañuelos a la basura. Los sistemas lidar, sensores de movimiento y giroscopios de los iPhones se utilizaron para registrar datos de movimiento, profundidad y rotación, información importante a la hora de entrenar a un robot para que repitiera las acciones por sí solo.

Tras recopilar un total de 13 horas de grabaciones, el equipo utilizó los datos para entrenar un modelo de inteligencia artificial que indicara a un robot cómo realizar las acciones. El modelo utilizó técnicas de aprendizaje autosupervisado, que enseñan a las redes neuronales a detectar patrones en conjuntos de datos por sí mismas, sin guiarse por ejemplos etiquetados.

Noticia completa: MIT Tech Review