¿Qué debería aprender un robot para afrontar una situación nueva?

Un robot que borra una pizarra necesita mantener el contacto; uno que presiona una grapadora debe seguir teniendo éxito cuando cambia la escena; un humanoide que cierra una computadora portátil debe coordinar el cuerpo y los dedos. Cada dificultad apunta a un lugar distinto donde el entrenamiento podría ayudar.

En tres estudios, las grabaciones humanas del tacto mejoraron el rendimiento en las tareas evaluadas que requerían mucho contacto; las recompensas por intentos exitosos distintos mejoraron el rendimiento evaluado con cambios en la escena; y una representación compartida del movimiento permitió entrenar un controlador humanoide con demostraciones humanas.

La evidencia respalda elegir un cambio en el entrenamiento según la dificultad, dentro del contexto evaluado en cada estudio.

Imagina un robot que borra una marca de una pizarra blanca. Pasar un paño por la superficie es solo parte del trabajo: debe mantener el contacto el tiempo suficiente para quitar la marca.

Ahora imagina un humanoide que cierra una computadora portátil. Su brazo debe alcanzar la tapa mientras su cuerpo mantiene el equilibrio, y su mano debe actuar en el momento adecuado.

Son tareas concretas de dos estudios sobre robótica. Ambas implican movimiento, pero requieren información distinta durante el entrenamiento.

Un tercer caso plantea que un robot toque una campana o presione una grapadora después de que cambie el entorno.

La tarea sigue siendo la misma, pero los objetos añadidos, un fondo distinto en la mesa o cambios en la iluminación pueden afectar la ejecución. En estos casos, un intento fallido no revela por sí solo si falta conocimiento sobre el contacto, una forma útil de actuar ante condiciones cambiantes o coordinación del cuerpo de un humanoide.

Esa distinción plantea la pregunta central de esta lección: ¿en qué parte del sistema conviene introducir un cambio en el aprendizaje? Un estudio añade, antes del entrenamiento específico para el robot, una forma de aprender sobre el contacto futuro a partir de grabaciones de personas.

Otro modifica la recompensa durante la práctica para que importen los distintos intentos exitosos. Un tercero cambia lo que predice la política de un humanoide y usa movimientos humanos grabados como objetivos de acción. Las pruebas físicas concretan cada enfoque, pero como las tareas son distintas no permiten compararlos directamente.