Un método del MIT logra que un brazo robótico esquive obstáculos sin reentrenar a la inteligencia artificial

Un brazo robótico que tenía que alcanzar un objeto sin chocar con lo que encontraba en el camino fue la prueba más concreta que investigadores del Instituto de Tecnología de Massachusetts (MIT) le pusieron a HardFlow, un método que permite exigir condiciones de seguridad a la inteligencia artificial sin necesidad de volver a entrenar los modelos. En ese ensayo, el algoritmo le trazó el recorrido más corto hasta el objetivo, mientras que la mayoría de las alternativas evaluadas terminaron en colisiones o eligieron trayectos bastante más largos.

Qué cambia respecto de las técnicas anteriores

La diferencia está en el momento en que se le exige al sistema que cumpla las reglas. Una técnica usada como referencia, el muestreo basado en proyección, impone las restricciones en cada etapa de la generación. Ese ajuste paso a paso achica las opciones que el sistema puede explorar y termina dificultando que encuentre una solución mejor.

HardFlow, en cambio, deja mayor libertad en los pasos intermedios y reserva el control para el resultado final, que tiene que respetar sí o sí las condiciones establecidas. Para orientar la generación, el equipo usó herramientas de control óptimo que aplican correcciones graduales hasta llegar a una respuesta válida. Como las etapas intermedias se descartan, el método puede separar el cálculo en problemas más chicos y aprovechar la estructura de los modelos de emparejamiento de flujo, que ya vienen entrenados de antemano.

• Manipulación con robots: un brazo llegó al objeto esquivando lo que había en el recorrido.
• Recorridos por laberintos: el sistema encontró la salida respetando las reglas de cada prueba.
• Edición de imágenes a partir de instrucciones escritas: cumplió todas las restricciones y mejoró la calidad del resultado.

Según reportó el equipo, en los casos examinados se cumplieron todas las restricciones y la calidad de las soluciones superó de manera consistente a los métodos tomados como referencia, con tiempos de procesamiento similares o menores a los de la mayoría. Lo que aún no aparece en el trabajo es cómo se comporta el método en escenarios todavía más desordenados, fuera del laboratorio y de las pruebas controladas.

“Es la diferencia entre pedirle al sistema que obedezca en cada paso o dejarle libertad interna y controlar recién el resultado final.”Investigadores del MIT