El sistema, llamado Dex-Net 2.0, fue desarrollado por investigadores de la Universidad de California, Berkeley. Utiliza un algoritmo de aprendizaje profundo para aprender de sus errores y mejorar sus habilidades de comprensión con el tiempo.
En las pruebas, Dex-Net 2.0 pudo agarrar con éxito objetos de diversas formas y tamaños, incluidos un cepillo de dientes, un coche de juguete y una taza de café. El sistema también pudo adaptarse a diferentes tipos de superficies, como una mesa, una encimera y un asiento de coche.
"Dex-Net 2.0 es una mejora significativa con respecto a nuestro sistema anterior", dijo el coautor Pieter Abbeel de la Universidad de California, Berkeley. "Es capaz de aprender de sus errores de forma mucho más rápida y eficiente, y ahora puede captar objetos que son bastante diferentes entre sí en forma y tamaño".
Los investigadores creen que Dex-Net 2.0 podría utilizarse para desarrollar nuevos sistemas robóticos que puedan realizar diversas tareas, como recoger objetos, limpiar una casa o montar muebles.
En la revista Science Robotics se publicó un artículo que describe el nuevo sistema.
Cómo aprende Dex-Net 2.0
Dex-Net 2.0 utiliza un algoritmo de aprendizaje profundo llamado aprendizaje por refuerzo para aprender a agarrar objetos. El aprendizaje por refuerzo es un tipo de aprendizaje automático que permite que un sistema aprenda de sus errores recompensándolo por su buen comportamiento y castigándolo por su mal comportamiento.
En el caso de Dex-Net 2.0, el sistema es recompensado cuando logra agarrar un objeto y castigado cuando falla. El sistema utiliza esta retroalimentación para ajustar su comportamiento con el tiempo, hasta que sea capaz de captar objetos de manera consistente.
Aplicaciones de Dex-Net 2.0
Los investigadores creen que Dex-Net 2.0 podría usarse para desarrollar nuevos sistemas robóticos que puedan realizar una variedad de tareas, tales como:
* Recoger objetos: Dex-Net 2.0 podría utilizarse para desarrollar sistemas robóticos que puedan recoger objetos de diferentes formas y tamaños, como alimentos, herramientas o juguetes.
* Limpieza de una casa: Dex-Net 2.0 podría usarse para desarrollar sistemas robóticos que puedan limpiar una casa, por ejemplo, aspirando, quitando el polvo y trapeando.
* Montaje de muebles: Dex-Net 2.0 podría usarse para desarrollar sistemas robóticos que puedan ensamblar muebles, por ejemplo, colocando tornillos, tuercas y pernos.
Actualmente, los investigadores están explorando estas y otras aplicaciones de Dex-Net 2.0. Creen que el sistema tiene el potencial de revolucionar la forma en que los robots interactúan con el mundo físico.
