Innovación en la Inteligencia Artificial Robótica
Investigadores del Instituto de Investigación en Ingeniería Mecatrónica y Sistemas Ciberfísicos de la Universidad de Málaga (IMECH.UMA) han realizado un avance significativo en el campo de la inteligencia artificial. Su nuevo enfoque permite a los robots no solo aprender qué decisiones tomar, sino también cuándo llevarlas a cabo, integrando el tiempo como un factor crucial en su proceso de aprendizaje. Este desarrollo se enmarca dentro del proyecto Tyrell (Time in Reinforcement Learning for Robotics), financiado por el Ministerio de Ciencia, Innovación y Universidades.
Tradicionalmente, los sistemas de aprendizaje por refuerzo, que son ampliamente utilizados para otorgar autonomía a los robots, han descuidado el aspecto temporal en la toma de decisiones. En los modelos actuales, los robots operan en intervalos de tiempo fijos, lo que limita su capacidad de respuesta ante situaciones cambiantes. Sin embargo, el equipo de IMECH.UMA ha propuesto una adaptación dinámica de estos intervalos, lo que podría revolucionar la manera en que los robots interactúan con su entorno.
Un Enfoque Más Eficiente
Juan Antonio Fernández Madrigal, investigador principal del proyecto, compara la toma de decisiones de un robot con la de un conductor humano. Asegura que, así como una persona no necesita reaccionar con la misma frecuencia en una autopista que al aparcar, un robot tampoco debería adoptar un ritmo constante en todas las situaciones. Los algoritmos de navegación existentes definen previamente estos intervalos de decisión, ignorando que cada circunstancia presenta diferentes niveles de atención requeridos.
Los investigadores argumentan que en entornos complejos, donde la presencia de obstáculos es alta, la capacidad de reacción rápida es vital. Por el contrario, en situaciones menos riesgosas, los robots podrían mantener la misma acción durante períodos más prolongados, lo que a su vez contribuiría a reducir el consumo de energía y el esfuerzo computacional.
Mapas de Tiempo Subjetivo y Publicación Internacional
Para implementar este nuevo enfoque, el equipo ha desarrollado los denominados ‘Mapas de Tiempo Subjetivo’, que permiten a los robots aprender la frecuencia de decisión más adecuada en cada área del entorno. Según Adrián Bañuls Arias, primer autor del artículo e investigador predoctoral del proyecto, esta metodología no solo optimiza la toma de decisiones, sino que mejora la seguridad, la precisión en la navegación y la eficiencia energética.
Los resultados de esta investigación han sido publicados en la revista internacional ‘Computer Modeling in Engineering & Sciences’. En este artículo, se demuestra que el nuevo enfoque optimiza la navegación autónoma incluso en condiciones de incertidumbre, como en la localización del robot o en los retrasos de comunicación.
El proyecto Tyrell reúne a un equipo multidisciplinario de investigadores de la Universidad de Málaga, la Örebro University en Suecia y la École Polytechnique Fédérale de Lausanne (EPFL) en Suiza. Su objetivo es explorar cómo la dimensión temporal puede mejorar el aprendizaje en robots móviles y manipuladores robóticos, con aplicaciones que abarcan desde la logística hasta la agricultura y las misiones de búsqueda y rescate. Además, el proyecto se compromete con la ciencia abierta a través de la publicación de bibliotecas de software y conjuntos de datos experimentales, facilitando así la validación de resultados por parte de otros grupos de investigación.