En sus esfuerzos por crear robots inteligentes, es comprensible que los investigadores de IA hayan tendido a centrarse en los cerebros. Pero un grupo del MIT dice que la inteligencia artificial también puede ayudarnos a diseñar mejores cuerpos para ellos, y deberíamos hacer ambas cosas en paralelo.
Para que un robot resuelva una tarea, su cerebro y su cuerpo deben sincronizarse perfectamente para hacer el trabajo. Eso significa que un controlador de IA efectivo que sea bueno para pilotar un tipo de cuerpo no necesariamente funcionará bien para uno que es muy diferente.
El enfoque estándar es simplemente diseñar un cuerpo de robot, ya sea a mano o utilizando herramientas de diseño de IA, y luego entrenar a una IA para controlarlo. Pero una solución aún mejor es llevar a cabo ambos procesos simultáneamente para que la IA de control pueda dar retroalimentación sobre cómo los cambios en el cuerpo facilitan o dificultan la resolución del problema.
Esto se conoce como codiseño y no es del todo nuevo. Pero ejecutar estos dos procesos de optimización en paralelo es muy complicado y puede llevar mucho tiempo llegar a una solución útil. Debido a que el algoritmo de diseño tiene que probar miles de configuraciones diferentes, el enfoque solo funciona en simulación y, por lo general, los investigadores tienen que construir un entorno de prueba desde cero o adaptar en gran medida las simulaciones de entrenamiento de robots existentes.
Todo esto requiere mucho trabajo, lo que ha llevado a que la mayoría de los entornos de codiseño se concentren en una pequeña cantidad de tareas simples. Y debido a que la mayoría ha sido desarrollada por grupos separados, no es fácil comparar los resultados entre ellos.
En un intento de resolver estos problemas, un equipo del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT ha creado un simulador de co-diseño llamado Evolution Gym que permite a los investigadores probar sus enfoques en una amplia gama de tareas y terrenos utilizando un método altamente marco de diseño de robot personalizable. El simulador también se ha diseñado para que los grupos con menos recursos informáticos puedan seguir utilizándolo.
“Con Evolution Gym, nuestro objetivo es ampliar los límites de los algoritmos para el aprendizaje automático y la inteligencia artificial”, dijo Jagdeep Bhatia del MIT en un comunicado de prensa. “Al crear un punto de referencia a gran escala que se centra en la velocidad y la simplicidad, no solo creamos un lenguaje común para intercambiar ideas y resultados dentro del espacio de aprendizaje por refuerzo y codiseño, sino que también habilitamos a los investigadores sin computación de vanguardia recursos para contribuir al desarrollo algorítmico en estas áreas “.
Por simplicidad, el simulador, que se presentará en la Conferencia de Sistemas de Procesamiento de Información Neural de esta semana, solo funciona en dos dimensiones. El equipo ha diseñado 30 tareas únicas, que incluyen cosas como caminar, saltar obstáculos, cargar o tirar de objetos y gatear bajo barreras, y los investigadores también pueden diseñar sus propios desafíos.
El entorno permite que los algoritmos de diseño construyan robots uniendo cuadrados que pueden ser blandos, rígidos o actuadores, esencialmente músculos que permiten que el resto del robot se mueva. Luego, un sistema de inteligencia artificial aprende cómo pilotar este cuerpo y le da al algoritmo de diseño retroalimentación sobre lo bueno que fue en diferentes tareas.
Al repetir este proceso muchas veces, los dos algoritmos pueden alcanzar la mejor combinación posible de diseño corporal y sistema de control para resolver el desafío.
Para establecer algunos puntos de referencia para su simulador, los investigadores probaron tres algoritmos de diseño diferentes que trabajan en conjunto con un algoritmo de aprendizaje por refuerzo profundo que aprendió a controlar los robots a través de muchas rondas de prueba y error.
Los bots co-diseñados se desempeñaron bien en las tareas más simples, como caminar o cargar cosas, pero lucharon con desafíos más difíciles, como atrapar y levantar, lo que sugiere que hay mucho margen para avances en algoritmos de co-diseño. No obstante, los bots diseñados por IA superaron a los diseñados por humanos en casi todas las tareas.
Curiosamente, muchos de los robots de co-diseño adoptaron formas similares a las de animales reales. Uno evolucionó para parecerse a un caballo al galope, mientras que otro, con la tarea de trepar por una chimenea, desarrolló brazos y piernas y trepó como un mono.
El simulador ha sido de código abierto y es de uso gratuito, y la esperanza del equipo es que otros investigadores vengan ahora y prueben sus algoritmos de co-diseño en la plataforma, lo que facilitará la comparación de resultados.
“Evolution Gym es parte de una creciente conciencia en la comunidad de IA de que el cuerpo y el cerebro son socios iguales en el apoyo del comportamiento inteligente”, dijo Josh Bongard de la Universidad de Vermont en el comunicado de prensa. “Hay mucho por hacer para averiguar qué formas puede adoptar esta asociación. Es probable que el gimnasio sea una herramienta importante para resolver este tipo de preguntas “.
Fuente:
Gent, E. (2021d, diciembre 6). Robots Evolve Bodies and Brains Like Animals in MIT’s New AI Training Simulator. Singularity Hub. Recuperado 7 de diciembre de 2021, de https://singularityhub.com/2021/12/06/robots-evolve-bodies-and-brains-like-animals-in-mits-new-ai-training-simulator/