Robots aprenden a coordinar acciones desde demostraciones individuales

Investigadores del National Institute of Advanced Industrial Science and Technology de Japón, el Institute of Science Tokyo y la Universidad de Tokio han investigado cómo grandes grupos de robots pueden aprender a coordinar sus acciones a partir de demostraciones realizadas con un solo robot, según informa Hackster.io.

La coordinación de múltiples robots presenta desafíos significativos, ya que la recopilación de datos de entrenamiento para equipos numerosos es compleja cuando un operador humano solo puede controlar un robot a la vez. Su método emplea aprendizaje por imitación para entrenar robots en la ejecución de tareas sin requerir comunicación entre ellos ni depender de sistemas de posicionamiento externos. Esto simplifica el proceso de adquisición de habilidades cooperativas.

Para evaluar la propuesta, se ensambló un grupo de pequeños robots de ruedas, basados en la plataforma Raspberry Pi Mouse V3, cada uno equipado con una Raspberry Pi 4 y un Módulo de Cámara 3. Estos robots, de 14 centímetros de ancho, operan de forma independiente, utilizando una cámara frontal de 120 grados para navegar.

La tarea experimental consistía en recoger 28 bloques naranjas dispersos en un área de trabajo de 3.5 metros cuadrados y empujarlos hacia una zona de recolección central. Aunque un solo robot podía completar la tarea, el despliegue de múltiples unidades buscaba una mayor eficiencia.

El entrenamiento se realizó a partir de demostraciones recopiladas por un operador humano que controlaba un único robot con un joystick. Estas demostraciones cubrieron la navegación, el empuje de bloques y la recuperación de situaciones de atasco. Para investigar cómo los robots aprenden a evitar interferir entre sí, se recogieron demostraciones adicionales bajo dos condiciones: con otros robots estacionarios y con robots adicionales moviéndose autónomamente mientras el operador controlaba una unidad.

El sistema de control utiliza una red neuronal ligera, con 2.4 millones de parámetros, que combina MobileNetV2 para el procesamiento visual con una arquitectura de mezcla de expertos. Dos redes expertas basadas en LSTM procesan las observaciones de la cámara, y una red de enrutamiento determina la contribución de cada experto a los comandos de movimiento finales. El modelo se ejecuta completamente en las Raspberry Pis de los robots sin aceleración de GPU, procesando observaciones de cámara y generando comandos de velocidad a 5 Hz, lo que permite la operación independiente de cada unidad.

Las pruebas se realizaron con grupos de hasta 40 robots. Se observó que las políticas entrenadas con demostraciones de robots estacionarios tuvieron un rendimiento generalmente superior a las que incluían robots en movimiento. Los investigadores sospechan que la mayor complejidad introducida por los robots en movimiento generó inconsistencias en los datos de entrenamiento. Además, el aumento del número de robots no produjo mejoras proporcionales en la productividad, principalmente debido a la congestión en el espacio de trabajo.

Los resultados indican que grupos numerosos de robots pueden adquirir comportamientos de coordinación útiles a partir de demostraciones de un solo robot, incluso con recursos computacionales integrados limitados. Sin embargo, enseñarles a anticipar los movimientos de los demás sigue siendo un desafío importante para escalar eficientemente este enfoque a equipos robóticos más grandes.