En un edificio frente a su oficina principal en Seattle, el Instituto Allen de Inteligencia Artificial (AI2) tiene suficientes muebles de Ikea para configurar 14 apartamentos diferentes. El laboratorio no se dedica al diseño de interiores, no exactamente. Los recursos están destinados a entrenar algoritmos más inteligentes para controlar robots.
Los robots domésticos como el Roomba funcionan bien solo porque sus tareas son relativamente simples. Serpentear, doblar hacia atrás y regresar a los mismos lugares una y otra vez realmente no importa cuando el objetivo es limpiar sin descanso el mismo piso.
Pero cualquier cosa que requiera una navegación más eficiente o compleja aún tropieza con muchos robots de última generación. La investigación necesaria para mejorar este status quo también es costosa, ya que limita el progreso más avanzado a laboratorios comerciales bien financiados.
Ahora AI2 quiere matar dos pájaros de un tiro. El martes, anunció un nuevo reto llamado RoboTHOR (THOR para The House Of inteRactions, sí, de verdad). Se duplicará como una forma de crowdsourcing de mejores algoritmos de navegación y reducirá las barreras financieras para los investigadores que pueden no tener sus propios recursos robóticos.
El objetivo final es avanzar más rápidamente en la IA al involucrar a más grupos de investigación. Las diferentes comunidades deben aportar diferentes perspectivas y casos de uso que ampliarán el repertorio de capacidades del robot, acercando el campo a una inteligencia más generalizable.
El laboratorio ha diseñado una sala fácilmente reconfigurable, del tamaño de un estudio estrecho, para ser el escenario de las 14 variaciones de apartamentos. También tiene recreado réplicas virtuales idénticas en Unity, un popular motor de videojuegos, así como otras 75 configuraciones, todas de código abierto en línea. Juntas, estas 89 configuraciones totales ofrecerán entornos de simulación realistas para que equipos de todo el mundo entrenen y prueben sus algoritmos de navegación. Los entornos también vienen precargados con modelos de robots AI2 y reflejan la física del mundo real como la gravedad y los reflejos de luz lo más cerca posible.
El desafío específicamente les pide a los equipos que desarrollen algoritmos que puedan llevar un robot desde una ubicación inicial aleatoria dentro de una habitación a un objeto en esa habitación simplemente diciéndole el nombre del objeto. Esto será más difícil que la simple navegación porque requerirá que el robot entienda el comando y también reconozca el objeto en su campo visual.
Los equipos competirán en tres fases. En la fase uno, recibirán los 75 entornos de simulación solo digitales para entrenar y validar sus algoritmos. En la fase dos, a los de mejor desempeño se les darán cuatro nuevos entornos de simulación con doppelgangers físicos correspondientes. Los equipos podrán refinar de forma remota sus algoritmos cargándolos en los robots reales de AI2.
En la fase final, los de mejor desempeño deberán demostrar la generalización de sus algoritmos en los últimos 10 departamentos físicos digitales y correspondientes. Cualquiera que sea el equipo que rinda mejor en esta fase final ganará los derechos de fanfarronear y una invitación para demostrar sus modelos en la Conferencia sobre Visión por Computadora y Reconocimiento de Patrones, una conferencia líder en investigación de IA para sistemas basados en visión.
Una vez finalizado el desafío, AI2 planea mantener la configuración disponible, dando a cualquiera acceso al entorno para continuar realizando investigaciones de robótica. Los investigadores que despejen un cierto umbral de precisión en los entornos simulados, demostrando que no chocarán con los robots, podrán desplegar de forma remota sus algoritmos en los físicos. La sala rotará entre las diferentes configuraciones de muebles.
“Vamos a mantener este entorno, y vamos a mantener estos robots”, dice Ani Kembhavi, científico investigador de AI2 que lidera el proyecto. Su equipo planea desarrollar un sistema de tiempo compartido para permitir que diferentes investigadores se turnen para probar de forma remota sus algoritmos en el mundo real.
AI2 espera que la estrategia haga más accesible la investigación en robótica al eliminar la mayor cantidad posible de costos de hardware asociados. También espera que el esquema inspire a otras organizaciones bien financiadas a abrir sus recursos de manera similar. Además, diseñó a propósito su sala reconfigurable con bajos costos de materiales y muebles Ikea disponibles a nivel mundial; la configuración costó aproximadamente $ 10,000. En caso de que otros investigadores quieran construir sus propios espacios de entrenamiento físico, pueden replicarlo fácilmente localmente y aun así coincidir con los entornos de simulación virtual.
Kembhavi, cuyo padre es astrónomo, compara la idea con el intercambio global de telescopios. “Las comunidades como la astronomía han descubierto cómo tomar recursos costosos y ponerlos a disposición de los investigadores de todo el mundo”, dice.
“Esa es nuestra visión para este entorno”, agrega. “IA encarnada para todos”.
