Enseñanza de refuerzo
Roberto Clatt
El robot de Google separa los residuos de oficina
)gozreH rednaxela – ebuTuo tohsneercSllümorüB tnnert retoboR elgooG(Foto: ©
- google tiene uno desarrollaron robots que separan los residuosque puede eliminar materiales reciclables y compost de los desechos de oficina
- que con eso Robots entrenados con Reinforcement Learning (RL). casi siempre clasifica la basura correctamente
Google ha desarrollado robots de clasificación de residuos que pueden eliminar materiales reciclables y compost de los residuos de oficina. Como resultado, los residuos residuales se han reducido significativamente.
Mountain View (Estados Unidos). Un equipo de Google ha estado trabajando en robots de clasificación de desechos durante aproximadamente dos años, según el artículo de investigación Deep RL at Scale: Sorting Waste in Office Buildings with a Fleet of Mobile Manipulators (PDF). Los 23 robots fueron entrenados utilizando tecnología de aprendizaje por refuerzo (RL). Los científicos utilizaron datos reales y una simulación como datos de entrenamiento.
El trabajo de los robots consistía en patrullar dentro de un complejo de oficinas e inspeccionar las estaciones de reciclaje, que contienen contenedores para materiales reciclables, compost y desechos residuales. Su objetivo era clasificar artículos reciclables como latas y botellas de bebidas en el contenedor de reciclaje, desechos compostables en el contenedor de residuos orgánicos y todos los demás materiales en el contenedor de residuos.
Basura de diferentes objetos.
El principal desafío fue entrenar a los robots para identificar una gran cantidad de objetos diferentes y clasificarlos adecuadamente en sus respectivos contenedores de basura. Para lograr esto, los ingenieros de Google desarrollaron un sistema de cuatro etapas para optimizar la capacidad del robot para separar adecuadamente los desechos. En una primera fase, se crearon las pautas básicas para la recogida selectiva de residuos, con el fin de dotar a los robots de una primera experiencia.
Sin embargo, esta base resultó ser insuficiente. Por lo tanto, en la segunda etapa, el sistema fue entrenado mediante una simulación. En la tercera etapa, los robots pasaron por un proceso de aprendizaje mediante el aprendizaje por refuerzo en una estación de basura con elementos de desecho representativos para aprender a clasificarlos correctamente. En la cuarta y última fase, los robots se utilizaron en estaciones de recogida de residuos reales para consolidar las habilidades adquiridas en la recogida selectiva.
Basura casi siempre clasificada correctamente
Durante el proceso de formación, el sistema completó un total de 540.000 pruebas en estaciones de residuos de formación y 32.500 pruebas en estaciones de residuos reales. El rendimiento general del sistema continuó mejorando a medida que aumentaba la cantidad de datos. Los ingenieros evaluaron el desempeño del sistema entrenado en una estación de desechos bajo condiciones controladas, clasificando correctamente el 84 por ciento de los objetos.
Además, los ingenieros de Google recopilaron datos estadísticos de tres implementaciones de robots en el período de 2021 a 2022. El análisis de los resultados mostró que el peso de los desechos residuales podría reducirse entre un 40 y un 50 %. Los experimentos han demostrado que una estrategia de aprendizaje por refuerzo paso a paso puede ser prometedora. Sin embargo, las posibilidades aquí aún no se han agotado por completo. En el futuro, a los ingenieros de Google les gustaría integrar otras fuentes de información en el proceso de capacitación, como aprender de videos de Internet.
