Los grandes volúmenes de datos implican una verdadera revolución para la robótica: el aprendizaje automático multiplica la capacidad de respuesta frente al entorno, volviendo a los robots más autónomos, inteligentes y ágiles.

En comparación con otros campos, la robótica tiene características particulares, porque tiene como objetivo permitir que un agente físico interactúe con el mundo concreto. 

Tradicionalmente, el campo de la robótica ha estado dominado por el deseo de encontrar modelos sólidos basados en el principio de respuesta: optimizar la relación entre la entrada de un estímulo y la salida de la acción o la predicción de respuesta frente a un determinado estímulo ya estipulado.

Esto funcionó bien en un mundo fabril con entradas y salidas bien definidas. Sin embargo, durante años, ha sido un desafío para los robots salir de entornos de fábrica o laboratorio perfectamente estructurados hacia el “mundo real”, caracterizado por su amplia gama de tareas, estímulos y situaciones posibles.

Las máquinas están avanzando rápidamente en el campo de los estímulos y las percepciones: están comenzando a ver, oír, leer y tocar en formas que antes no eran posibles. Esto ha implicado una verdadera revolución para la robótica: la capacidad de aprender y lidiar con las entradas directas del mundo real enriquece enormemente la capacidad de los robots. 

Y aquí, los grandes volúmenes de información son claves. Esto es así porque las posibilidades del aprendizaje automático se multiplican. La disponibilidad de Big Data y nuevas técnicas de aprendizaje asociadas tienen el potencial de permitir que los robots comprendan y operen en entornos significativamente más complejos. Naturalmente esto debería conducir a un salto cualitativo en el rendimiento y la capacidad de implementación de la robótica en una amplia gama de aplicaciones prácticas y entornos reales.

Arthur Dubrawski, director de Auton Lab – el instituto de robótica del Carnegie Mellon University’s School of Computer Science – explica que los robots siempre se han basado en datos, porque la definición operativa del robot se trata de hacer la siguiente secuencia en un bucle: detectar, planificar y actuar. 

Lo que sucede es que la Inteligencia Artificial y Machine Learning serán cada vez más protagonistas de este proceso.

 Mirando hacia el futuro, la robótica y la fabricación se definirán cada vez más por los grandes datos y la capacidad de los sistemas de IA para analizar y actuar sobre la información de producción.

Los robots ahora pueden adquirir habilidades para realizar tareas a través del aprendizaje automático avanzado, habilitado por el desarrollo de sensores integrados y análisis basados en la nube. Esta tendencia continuará, con la ayuda de redes inalámbricas 5G más rápidas .

Las fábricas del futuro utilizarán la recopilación y el análisis de Big Data para permitir que los robots tomen decisiones rápidas en el proceso de fabricación, incluso cuando se les presenten equipos y objetos desconocidos. La búsqueda será hacia robots más autónomos, inteligentes, receptivos y ágiles.

 Julio Cesar Blanco – 14 de noviembre del 2022