Investigadores desarrollaron un nuevo enfoque en inteligencia artificial (IA) que permite a los robots aprender no solo qué decisión tomar, sino también cuándo tomarla, al incorporar el tiempo como un factor esencial en su proceso de aprendizaje. El trabajo se enmarca en el proyecto TYRELL, financiado por el Ministerio de Ciencia, Innovación y Universidades de España, y aborda un aspecto habitualmente ignorado en el aprendizaje por refuerzo, una de las técnicas de IA más empleadas para dotar de autonomía a los robots, informó este jueves la Universidad de Málaga (UMA) en un comunicado. En la mayoría de los sistemas actuales, los robots toman decisiones a intervalos de tiempo fijos. Sin embargo, el equipo del Instituto de Investigación en Ingeniería Mecatrónica y Sistemas Ciberfísicos de la Universidad de Málaga propone que esos intervalos se adapten dinámicamente a cada situación. «Al igual que una persona no necesita reaccionar con la misma frecuencia cuando conduce por una autopista que cuando maniobra para aparcar, un robot tampoco debería tomar decisiones siempre al mismo ritmo», explica el investigador principal del proyecto, Juan Antonio Fernández Madrigal. En este sentido, señala que en la mayoría de los algoritmos de navegación existentes, los robots toman decisiones a intervalos de tiempo fijos definidos previamente por el diseñador del sistema, pero no todas las situaciones requieren el mismo nivel de atención. Los investigadores sostienen que «en zonas con obstáculos o gran incertidumbre conviene reaccionar rápidamente, mientras que en otras el robot puede mantener una misma acción durante más tiempo, reduciendo el consumo energético y el esfuerzo computacional». «Nuestro robot aprende automáticamente cuándo necesita prestar mucha atención al entorno y cuándo puede mantener una acción durante más tiempo porque el riesgo es menor». Los investigadores desarrollaron los denominados ‘Mapas de Tiempo Subjetivo’, una nueva representación del entorno que permite al robot aprender qué frecuencia de decisión resulta más adecuada en cada zona. De este modo, pueden reaccionar con rapidez en situaciones complejas y espaciar sus decisiones cuando el entorno es más favorable, mejorando simultáneamente la seguridad, la precisión de la navegación y la eficiencia energética y computacional. Los resultados más recientes de esta investigación fueron publicados en la revista internacional Computer Modeling in Engineering & Sciences, donde el equipo demuestra que este nuevo enfoque permite optimizar la navegación autónoma incluso cuando existen incertidumbres en la localización del robot o retrasos en las comunicaciones. El proyecto TYRELL reúne a investigadores de la Universidad de Málaga (España), la Örebro University (Suecia) y la École Polytechnique Fédérale de Lausanne (EPFL) (Suiza), y estudia cómo la dimensión temporal puede mejorar el aprendizaje tanto en robots móviles como en manipuladores robóticos, con aplicaciones potenciales en logística, agricultura, inspección industrial, robótica de servicios o misiones de búsqueda y rescate. La publicación forma parte de una línea de investigación orientada a desarrollar sistemas robóticos más eficientes, capaces de adaptar dinámicamente su comportamiento a las condiciones cambiantes del entorno y aprovechar mejor los recursos de cálculo disponibles.
Fuente: Plano Informativo
