Cuando nos movemos a través de una multitud para llegar hasta un sitio específico, los humanos normalmente decidimos cada uno de nuestros movimientos en ese espacio sin dudar demasiado ni tener que pensar mucho.
Podemos aprender del comportamiento de otros y darnos cuenta de la presencia de cualquier obstáculo que haya que evitar. Los robots, en cambio, tienen dificultades notables con tales conceptos de navegación.
Unos investigadores han ideado ahora una forma de ayudar a los robots a circular por entornos de una manera más parecida a la humana. Su novedoso modelo de planificación de movimientos permite a los robots determinar cómo alcanzar un objetivo mediante la exploración del entorno, observando a otros cuerpos en movimiento, y explotando lo que han aprendido en situaciones similares.
El avance es obra del equipo de Andrei Barbu y Boris Katz, del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL), adscrito al Instituto Tecnológico de Massachusetts (MIT), en Cambridge, Estados Unidos.
Los algoritmos más populares de planificación del movimiento crean un árbol de posibles decisiones que se ramifica hasta que el robot encuentra una ruta apropiada para llegar al destino. Un robot que necesite circular por una habitación para alcanzar una puerta, por ejemplo, creará un árbol, paso a paso, de búsqueda de posibles movimientos y después ejecutará el mejor camino hacia la puerta, considerando los diversos impedimentos. Un inconveniente, sin embargo, es que estos algoritmos raramente aprenden: los robots no pueden aprovechar la información sobre cómo ellos u otros actuaron previamente en entornos similares.
El equipo de Barbu y Katz ha desarrollado un modelo que combina un algoritmo de planificación con una red neural que aprende a reconocer caminos que podrían llevar al mejor resultado, y utiliza ese conocimiento para guiar el movimiento del robot en un entorno.
