Descubre el proyecto RT-X: 34 laboratorios de investigación unen fuerzas para desarrollar un cerebro robótico general

La llegada de herramientas de inteligencia artificial como ChatGPT o Midjourney ha llevado a algunos usuarios a pensar en un futuro en el que una tecnología tan potente se aplique en otras muchas cosas. Una de las primeras ideas que se vienen a la mente es la de utilizar la IA para impulsar el desarrollo de androides como los que aparecen en las grandes obras de la ciencia ficción. 

Más allá de un programa con el que poder mantener una conversación como si estuvieses hablando con otra persona, esta tecnología permite soñar con un futuro en el que haya robots conviviendo con el ser humano.

Aun así, numerosos expertos han señalado que, aunque esta quizá sea la próxima gran revolución de la inteligencia artificial, todavía queda mucho camino por recorrer para llegar al punto en el que los robots humanoides puedan interactuar con las personas. 

Existen algunas empresas que ya se encuentran trabajando en ello, como Tesla, con su androide Optimus; como Amazon, con sus robots de almacén Digit; o como Hanson Robotics, con Sophia, la robot viral de que ha intervenido en diversos foros de todo el mundo. Sin embargo, todavía queda mucho camino por recorrer en lo que se refiere a cómo se comportan y —sobre todo— al precio que tienen estos robots.

Para intentar resolver algunos de esos retos han surgido proyectos como RT-X, una iniciativa en la que participan 34 laboratorios de investigación. Tal y como ha publicado la revista IEEE Spectrum, este proyecto trata de reunir datos, recursos y código fuente con el objetivo de abordar la forma en la que funciona el aprendizaje robótico y de hacer realidad los robots de propósito general. 

Los robots humanoides podrían ser la próxima gran revolución de la IA: estos son los más avanzados por el momento

Al parecer, los modelos de IA que se encuentran detrás de herramientas como ChatGPT no pueden ser directamente aplicados a los robots, ya que esos modelos aprenden gracias al texto y a las imágenes que han sido generados previamente por el ser humano. En cambio, los robots necesitan una fuente de conocimiento similar, pero consistente en la forma en la que deben moverse y comportarse.

Según informa IEEE Spectrum, esos datos suelen ser creados lentamente por investigadores en entornos de laboratorio para tareas muy específicas, por lo que los resultados más impresionantes suelen funcionar en un solo laboratorio, con un solo robot y, a menudo, implican solo un puñado de comportamientos.

Es por eso que los laboratorios de Google y de la Universidad de California en Berkeley, Estados Unidos, se unieron en 2023 a otros 32 laboratorios de robótica de Norteamérica, Europa y Asia para emprender el proyecto RT-X.

La revista del Instituto de Ingenieros Eléctricos y Electrónicos de EEUU recoge que RT-X pretende hacer que una única red neuronal profunda controle muchos tipos distintos de robots, una capacidad que se denomina "cross-embodiment" (encarnación cruzada), de tal modo que sea entrenada con datos de un número suficientemente grande de robots distintos para aprender a "manejarlos" a todos.

Según la IEEE Spectrum, de ser así, este enfoque podría liberar el poder de los grandes conjuntos de datos para el aprendizaje robótico. En ese sentido, RT-X trabaja en la actualidad con un conjunto de datos que contiene casi un millón de pruebas robóticas de 22 tipos distintos de robots, incluidos muchos de los brazos robóticos más utilizados del mercado. 

Este modelo de trabajo unificado ha mejorado incluso el rendimiento del mejor método de cada laboratorio que trabajaba de forma individual, con una media de un 50% más de éxito en las tareas. El próximo objetivo que se han marcado estos investigadores consiste en construir robots que sean capaces de razonar por sí mismos. 

Tal y como explican desde la revista científica, aunque los datos del robot pueden proporcionar una serie de capacidades físicas, tareas más complejas como "mover una manzana entre una lata y una naranja" requieren comprender las relaciones semánticas entre los objetos de una imagen, sentido común básico y otros conocimientos simbólicos que no están relacionados con las capacidades físicas.

De ese modo, han añadido una fuente de datos similar a la que utiliza ChatGPT para tratar de alcanzar esa meta y, por el momento, los resultados son prometedores.