En un artículo reciente, investigadores de Google describen cómo utilizaron el aprendizaje por refuerzo (RL) para enseñar a robots a clasificar la basura en edificios de oficinas. La tarea de clasificar la basura es difícil para los robots, ya que deben identificar apropiadamente cada objeto y colocarlo en el contenedor correcto. Para abordar este problema, los investigadores utilizaron cuatro fuentes de experiencia: políticas de bajo rendimiento diseñadas a mano, un marco de entrenamiento simulado, «aulas de robots» donde los robots practican en estaciones de basura representativas y el despliegue real en edificios de oficinas. Los robots se entrenaron usando RL con transferencia sim-a-real y bootstrapping a partir de la experiencia previa. El sistema resultante pudo clasificar con precisión aproximadamente el 84% de los objetos en promedio y reducir la contaminación de la basura en un 40-50% en los edificios de oficinas reales. Los investigadores creen que este enfoque podría aplicarse a una amplia gama de tareas robóticas en el futuro.
Mira el artículo original en inglés aquí o también traducido al español aquí
