A veces hace falta una tribu entera para enseñar a un robot, parafraseando un proverbio africano. Informáticos de la Universidad de Washington (Seattle, EE.UU.) han demostrado que el crowdsourcing puede ser una manera rápida y eficaz para enseñar a un robot cómo llevar a cabo ciertas tareas. En lugar de aprender de un solo ser humano, los robots podrían consultar a la comunidad online, pidiendo instrucciones o ideas sobre la mejor forma de poner la mesa o de regar el jardín.
El equipo de investigación presentó sus resultados en la Conferencia Internacional de Robótica y Automatización, del Instituto de Ingeniería Eléctrica y Electrónica (IEEE), en Hong Kong a principios de junio.
«Estamos tratando de crear un método para que un robot para buscar la ayuda de todo el mundo cuando está confuso», explica Rajesh Rao, profesor asociado de ciencias e ingeniería de la computación, en la nota de prensa de la UW. «Esta es una manera de ir más allá de la simple interacción uno-a-uno entre un humano y un robot, de modo que éste aprenda también de otros seres humanos de todo el mundo.»
Aprender a través de la imitación de un ser humano es un método de probada eficacia para enseñar a un robot a realizar tareas, pero puede requerir mucho tiempo. Imagine tener que enseñar a un robot cómo cargar el lavavajillas: podrían necesitarse muchas lecciones repetitivas para que el robot pudiera aprender a manejar diferentes tipos de utensilios de cocina y cubiertos y cómo llenar de manera más eficiente la máquina.
Pero si el robot pudiera aprender pasos básicos de una tarea, y a continuación, pedir a la comunidad en línea datos adicionales, podría recopilar más información sobre cómo llevar a cabo la tarea de manera eficiente y correcta.
«Debido a que nuestros robots utilizan técnicas de aprendizaje automático, requieren una gran cantidad de datos para construir modelos precisos de la tarea. Cuantos más datos tengan, mejor modelo pueden construir. Nuestra solución es conseguir los datos mediante crowdsourcing«, explica Maya Cakmak, profesora adjunta de ciencia e ingeniería informática.
Google y Bing
El equipo diseñó un sistema que se nutre de la comunidad en línea de Google y Bing para enseñar a un robot una tarea de construcción de maquetas. Para empezar, los participantes en el el estudio construyeron maquetas simples -un coche, un árbol, una tortuga y una serpiente, entre otros- con bloques de Lego de colores. Luego pidieron al robot que construyera un objeto similar. Pero basándose en los pocos ejemplos proporcionados por los participantes, el robot fue incapaz de construir modelos completos.
Para reunir más datos sobre la construcción de los objetos, los robots preguntaron a la masa. Contrataron a la gente de Amazon Mechanical Turk, un sitio de crowdsourcing, para que construyera modelos similares de coche, árbol, tortuga, serpiente y demás. De entre los más de 100 modelos generados de esta forma, el robot buscó los mejores según su nivel de dificultad, similitud con el original y calificaciones de la comunidad en línea sobre los propios modelos.
A continuación, el robot construyó los mejores modelos de cada tipo de figura.
Este tipo de aprendizaje se denomina «imitación basada en objetivos», y aprovecha la creciente capacidad de los robots para inferir lo que quieren sus operadores humanos. Por ejemplo, un robot podría «ver» a un humano construyendo una tortuga, inferir las cualidades importantes, y luego construir un modelo que se parezca a la original, pero que quizás sea más simple, de modo que sea más fácil para el robot construirlo.
«El resultado final sigue siendo una tortuga, pero es más sencillo de hacer para el robot y suficientemente similar al modelo original, por lo que logra el mismo objetivo», explica Cakmak.
El equipo aplicó la misma idea para que un robot de dos brazos aprendiera acciones de manipulación. Esta vez, los usuarios mostraron físicamente nuevas acciones al robot. A continuación, el robot se imaginó nuevos escenarios en los que no sabía cómo llevar a cabo esas acciones. Usando visualizaciones abstractas e interactivas de la acción, preguntó a la comunidad de internet nuevas formas de realizar las acciones en esos nuevos escenarios. Este trabajo será presentado en la Conferencia sobre Computación Humana y Crowdsourcing, en noviembre.
El equipo de la Universidad de Washington está intentando ahora enseñar mediante crowdsourcing tareas más complejas a los robots, tales como la búsqueda y el transporte de objetos en un edificio de varios pisos.
Otros equipos de investigación de la Universidad Brown (Rhode Island), de Worcester Polytechnic Institute (Massachusetts) y de la Universidad de Cornell (Nueva York) están trabajando en ideas similares para el desarrollo de robots que tengan la capacidad de aprender nuevas capacidades a través de crowdsourcing.
Por el momento los robots solo trabajan a gusto en ambientes muy controlados, como cadenas de montaje, o en manos de investigadores, explorando Marte. La nueva generación de robots se adaptará a ambientes más cambiantes interaccionando con los humanos, señalan los expertos en un reportaje de National Geographic.
El objetivo es que los robots aprendan observando y preguntando a los humanos. En un futuro, los propios robots se encargarán de buscar información y reclutar gente en internet que les enseñe a hacer las tareas. También preguntarán si lo están «haciendo bien». Resulta más fácil para una persona enseñar a un robot si éste le hace preguntas que si éste se muestra pasivo, simplemente observando los ejemplos, añaden los científicos.
Referencia bibliográfica:
Michael Jae-Yoon Chung, Maxwell Forbes, Maya Cakmak y Rajesh P. N. Rao: Accelerating Imitation Learning through Crowdsourcing. IEEE International Conference on Robotics and Automation (2014).