Diversos equipos de robotistas están trabajando en el desarrollo de robots que puedan aprender nuevas tareas sin más ayuda que la de observar a humanos haciéndolas. En casa, un usuario particular le podría mostrar a un robot doméstico cómo hacer las tareas rutinarias del hogar. En el lugar de trabajo, cualquiera podría instruir robots como lo haría con nuevos empleados. Avanzando hacia esa meta, unos investigadores del Instituto Tecnológico de Massachusetts (MIT) en Estados Unidos han diseñado un sistema que permite que los robots de este tipo aprendan tareas complicadas que de otro modo obligarían al robot a aprender tantas reglas y tan confusas que el resultado estaría muy por debajo del óptimo. Una de esas tareas, aunque a los humanos nos parezca sencilla, es colocar en una mesa los utensilios necesarios para que un grupo de personas se siente en torno a ella a comer, bajo determinadas condiciones cambiantes. Básicamente, el sistema ensayado por el equipo de Ankit Shah, Shen Li y Julie Shah proporciona a los robots la capacidad de planificación humana para sopesar simultáneamente muchos requisitos ambiguos y potencialmente contradictorios con el propósito de alcanzar un objetivo final. El sistema siempre elige la acción más probable que conviene tomar, basándose en una "creencia" sobre algunas especificaciones probables para la tarea que se supone que debe realizar. Distribuir adecuadamente sobre una mesa los enseres que empleará un conjunto de personas que se sentará a su alrededor para comer, requiere de los robots una flexibilidad ante situaciones imprevistas que no es fácil programar con un enfoque clásico. (Imagen: Christine Daniloff, MIT) En su trabajo, los investigadores compilaron un conjunto de datos con información sobre cómo ocho objetos (una taza, un vaso, una cuchara, un tenedor, un cuchillo, un plato grande, un plato pequeño y un cuenco) podrían colocarse sobre una mesa en varias configuraciones. Un brazo robótico comenzó por observar demostraciones humanas seleccionadas al azar sobre cómo preparar la mesa con los objetos. Luego, los investigadores asignaron al brazo la tarea de preparar automáticamente una mesa en una configuración específica, en experimentos reales y en simulaciones, sobre la base de lo que había visto. Para tener éxito, el robot tuvo que sopesar muchas posibles preferencias de ubicación, incluso cuando los robotistas deliberadamente suprimieron o escondieron algunos enseres, o los apilaron. Normalmente, todas estas situaciones confundirían de manera muy problemática a cualquier robot con programación convencional. En cambio, en las simulaciones en las que se le pidió al robot que preparase la mesa en diferentes configuraciones, solo cometió seis errores en un total de 20.000 intentos. En experimentos del mundo real, mostró un comportamiento similar al que tiene un humano cuando realiza esta tarea. Si, por ejemplo, un tenedor no estaba inicialmente visible, el robot terminaba de colocar en la mesa el resto de enseres sin detenerse. Luego, cuando se revelaba el tenedor, lo colocaba en el lugar adecuado. "Ahí es donde la flexibilidad es muy importante", subraya Ankit Shah. "De lo contrario, el robot se atascaría al no encontrar el tenedor faltante y no terminaría de colocar el resto de enseres en la mesa". (Fuente: NCYT Amazings)