Un robot puede aprender de manera más eficiente cuando decide por sí mismo qué movimientos merecen su tiempo de entrenamiento.
Un robot capaz de manipular objetos suele disponer de varias habilidades: agarrar, mover, abrir o utilizar un aparato. Pero no necesariamente puede repetir cada movimiento cientos de veces. Por ello, los investigadores estudiaron otra cuestión: ¿cómo elegir los ejercicios que más mejorarán sus tareas futuras?
Imagen ilustrativa ficticia
Su método, denominado práctica deliberada, asigna a cada habilidad una parte del tiempo disponible.
Un movimiento difícil puede parecer poco interesante cuando se examina por separado. Sin embargo, dominarlo puede permitir acceder a una mejor manera de realizar toda una tarea. Por el contrario, perfeccionar aún más un movimiento que ya es fiable puede aportar muy poco al resultado final.
En concreto, el algoritmo compara el coste del aprendizaje con el beneficio esperado. Con poco tiempo, el robot puede priorizar una estrategia sencilla que sabe dominar rápidamente. Con más entrenamiento, puede trabajar en habilidades más difíciles que después permitan una secuencia de acciones más ventajosa.
Los investigadores probaron este enfoque en simulaciones y con un robot real encargado de realizar manipulaciones compuestas por varias etapas. Una demostración se centra en la preparación de un desayuno. Según su presupuesto de entrenamiento, la máquina puede aprender una secuencia sencilla en torno a una tostada o invertir más para dominar una preparación diferente en el microondas.
Por tanto, el método no consiste en dejar que el robot experimente al azar. Un programa calcula de antemano la distribución del presupuesto que maximiza el resultado esperado según el modelo utilizado. Los autores formularon este cálculo para que pudiera procesarse con programas de optimización existentes, incluso cuando son posibles muchas secuencias de movimientos.
Sin embargo, existe una limitación importante. El sistema debe estimar correctamente la velocidad a la que cada habilidad progresa con la práctica. Si esta previsión es errónea, el programa puede dedicar demasiado tiempo a un movimiento que aprende más despacio de lo previsto. Por tanto, el mejor programa teórico depende directamente de la calidad de estas estimaciones.
Los próximos experimentos podrán probar este método con más robots y en entornos menos controlados. Un desafío será actualizar las previsiones durante el aprendizaje, a medida que la máquina descubra sus verdaderas dificultades. El robot podría entonces reorganizar su entrenamiento cuando un movimiento progrese más rápido o más despacio de lo previsto.