Científicos han diseñado un nuevo sistema de inteligencia artificial (IA) que reduce los tiempos de reacción de los robots en más de 10 veces sin necesidad de utilizar potencia informática adicional. Muchos robots controlados por modelos de acción, lenguaje y visión (VLA) se mueven a trompicones: alcanzan, se detienen, se ajustan, vuelven a detenerse. El problema radica principalmente en cómo se ejecutan estos modelos: tras completar un conjunto de instrucciones, el robot espera a que el modelo calcule el siguiente, lo que genera un ritmo intermitente. Este retraso en la reacción supone un obstáculo importante para el uso de robots controlados por VLA en tareas que requieren una interacción continua y en tiempo real.
Un nuevo sistema llamado “VLASH” busca eliminar esa espera planificando las siguientes acciones mientras el robot completa las actuales. En las pruebas, los robots que utilizan VLASH completaron algunas tareas entre 1,5 y 2 veces más rápido, manteniendo la mayor parte o la totalidad de su precisión. La latencia máxima de reacción se redujo hasta 11,8 veces, dependiendo del hardware informático utilizado. Investigadores del MIT, Nvidia, Caltech, la Universidad de California en Berkeley, la Universidad de California en San Diego y la Universidad de Tsinghua en China describieron el sistema en un artículo subido al servidor de preimpresiones arXiv y lo presentarán en la Conferencia de Robots y Sistemas Inteligentes este otoño.
Una versión anterior del artículo reportaba una aceleración de más de 30 veces, pero los investigadores explicaron a Live Science que esas pruebas utilizaban secuencias de acciones más largas y hardware más lento. Los experimentos más recientes emplearon secuencias de acciones más cortas y comunes, así como GPU más potentes. “La cifra de 11,8x podría reflejar mejor las condiciones prácticas actuales”, comentaron los autores del estudio a Live Science por correo electrónico.
Los robots están recibiendo una actualización cerebral
Los modelos VLA actúan como el cerebro de muchos robots avanzados. Combinan imágenes de una cámara con instrucciones humanas e información sobre el estado actual del robot, y luego traducen esa información en movimientos físicos. A medida que el robot completa un grupo de acciones, VLASH utiliza su posición actual y los movimientos programados para estimar dónde terminará. A partir de ese estado proyectado, la IA planifica el siguiente grupo de acciones.
VLASH predice el robot, no el mundo que lo rodea. Predecir todo el entorno con un modelo del mundo puede requerir más tiempo de procesamiento, lo que lo hace menos útil cuando un robot necesita reacciones muy rápidas. Los investigadores afirmaron que ambos enfoques podrían eventualmente funcionar conjuntamente. Es como planificar tu próximo paso antes de que tu pie toque el suelo, en lugar de esperar a que aterrice antes de decidir adónde ir.
Los investigadores probaron dos modelos VLA en dos plataformas robóticas, utilizando una computadora portátil con una GPU Nvidia RTX 5090. Realizaron pruebas de selección y colocación, apilamiento y clasificación, ejecutando 20 ensayos por método, además de desafíos de reacción rápida, como tenis de mesa y el juego “Whac-a-Mole”. Midieron por separado la latencia de reacción en varias unidades de procesamiento.
Dado que VLASH estima el estado futuro del robot a partir de movimientos que ya han sido programados, no requiere un modelo de predicción independiente ni un paso de inferencia adicional durante la ejecución. Los investigadores también reorganizaron los datos de entrenamiento existentes para acelerar el ajuste fino. En una prueba comparativa, cada paso de entrenamiento fue 3,26 veces más rápido, logrando una precisión comparable. Sin embargo, advirtieron que esto no significa que el entrenamiento total sea 3,26 veces más rápido o más económico, ya que el costo total también depende del modelo, el hardware, los datos y el número de pasos de entrenamiento.
El tenis de mesa y el juego de golpear al topo ponen a prueba los reflejos de VLASH. En ambos casos, el objetivo podía moverse mientras el robot aún calculaba qué hacer.
VLASH no intenta predecir esos movimientos. En cambio, procesa nuevas observaciones entre 15 y 30 veces por segundo, lo que le permite detectar rápidamente cambios como el movimiento de un objeto, según explicaron los investigadores.
Sin embargo, este aumento de velocidad no resuelve el problema de la seguridad del robot en presencia de humanos. Roshni Lulla, cofundadora y directora de investigación del Instituto de Robótica Humana, quien no participó en la investigación, advirtió que una mayor velocidad de reacción no necesariamente aumenta la seguridad del robot. “Reaccionar antes es una ventaja real, pero no me queda claro que mejore la seguridad”, explicó.
Los investigadores señalaron que las tareas de manipulación que requieren movimiento continuo y respuestas rápidas probablemente serían las primeras en beneficiarse. Esto podría incluir, con el tiempo, la fabricación y otros entornos donde los objetos se mueven y los planes cambian. Sin embargo, Lulla afirmó que la prueba más reveladora sería colocar estos robots cerca de personas. “La verdadera pregunta es cómo esto cambia el rendimiento robótico en entornos centrados en el ser humano”, dijo. “Me gustaría ver pruebas realizadas con una persona presente en la sala, cuando el estado del entorno pueda ser modificado por otro agente”.
La búsqueda y el rescate son una posibilidad más remota. VLASH no se ha probado en condiciones de poca luz, humo, terreno inestable, ni con cámaras dañadas o comunicaciones poco fiables. Según los investigadores, su rendimiento en esas condiciones dependería en gran medida del modelo VLA subyacente.
VLASH podría integrarse con modelos del mundo más avanzados que predigan cambios en el entorno general. Sin embargo, primero los investigadores deben probarlo con más robots, modelos VLA, tareas y entornos, así como en experimentos más largos y con perturbaciones inesperadas.
Lulla afirmó que los resultados respaldan una conclusión relativamente limitada. “Podemos afirmar con razón que esta nueva metodología elimina un cuello de botella en cuanto al tiempo de procesamiento y preserva las capacidades”, declaró. Sin embargo, añadió: “Lo que no diría es que representa un avance significativo en seguridad o inteligencia”.
“En lugar de centrarnos en una sola demostración, buscamos mejoras consistentes en diversos robots, tareas, entornos y ensayos de larga duración, junto con la validación adecuada de fiabilidad y seguridad”, afirmaron los autores del estudio. Por ahora, VLASH demuestra que los robots pueden reducir el tiempo de espera para decidir qué hacer a continuación. Queda por ver si estas reacciones más rápidas se mantienen fuera del laboratorio.
Fuente: Live Science.
