Investigadores del Instituto Tecnológico de Massachusetts (MIT por sus siglas en inglés) en conjunto con especialistas en Inteligencia Artificial (AI) han estado trabajando para que su mini guepardo robótico aprenda a correr en terrenos difíciles.
En este sentido, el animal artificial logró correr más rápido utilizando un canal de aprendizaje que funciona a prueba y error en una simulación.
“Los robots de hoy se enfrentan a un problema análogo. El problema es que moverse por todos los terrenos como si estuvieras caminando sobre hielo es muy ineficiente, pero es común entre los robots actuales. Los humanos corren rápido sobre el césped y disminuyen la velocidad sobre el hielo: nos adaptamos”, dicen los especialistas.
Según explican Gabriel Margolis, estudiante de doctorado del MIT, y Ge Yang, posdoctorado del Instituto de IA e Interacciones Fundamentales, el aprendizaje por ensayo y error elimina la necesidad de que las personas programen con precisión cómo debe comportarse el robot en cada situación, lo que tomaría mucho tiempo.
“Gracias a las modernas herramientas de simulación, nuestro robot puede acumular 100 días de experiencia en diversos terrenos en solo tres horas de tiempo real”, culminan.
