Dot.lib

La robótica en la construcción se enfrenta a un desafío persistente: la generalización. Si bien los robots son excelentes en tareas repetitivas, reprogramarlos para nuevas actividades (o para lidiar con variaciones en el diseño arquitectónico) requiere un esfuerzo manual arduo y especializado. Un nuevo estudio publicado en ASCE OPEN: Multidisciplinary Journal of Civil Engineering, de nuestra editorial American Society of Civil Engineers, propone una solución revolucionaria: utilizar la gran cantidad de conocimiento disponible en internet para entrenar robots.

Los investigadores Hongrui Yu, Vineet R. Kamat y Carol C. Menassa desarrollaron una arquitectura de aprendizaje generalizable que permite a los robots aprender habilidades versátiles a través de instrucciones de lenguaje natural "crowdsourced" (como transcripciones de videos de YouTube o tutoriales de bricolaje).

Actualmente, los casos de uso incluyen:

• Informar protocolos clínicos.

• Realizar ensayos clínicos virtuales.

• Capacitación y predicción de respuestas basadas en biomarcadores.

¿Cómo Funciona La Innovación?

El estudio aborda el problema a través de un enfoque de Aprendizaje por Imitación Jerárquica (HIL), dividido en dos niveles:

• Micro Habilidades (Nivel Inferior): Los autores crearon una base de datos estandarizada de "movimientos elementales" (como agarrar, alinear, posicionar, fijar). Estas acciones se parametrizan utilizando datos geométricos extraídos directamente de modelos BIM (Building Information Modeling).
  
  
• Macro Habilidades (Nivel Superior): Aquí entra la Inteligencia Artificial Generativa. El estudio utilizó Modelos Extensos de Lenguaje (LLM), específicamente GPT-4, para procesar tutoriales en texto e inferir la secuencia correcta de acciones (el "encadenamiento de habilidades") necesaria para completar una tarea.

La Prueba Práctica: Instalación de Paneles de Yeso (Drywall)

Para validar el modelo, el equipo realizó un experimento de larga duración que involucró la instalación de paneles de yeso utilizando un manipulador robótico industrial. El sistema fue capaz de interpretar instrucciones, planificar la secuencia de acciones y ejecutar la tarea con alta calidad y un mínimo esfuerzo de reprogramación humana.

El estudio concluye que los modelos de lenguaje son superiores a los métodos tradicionales (como las Redes Bayesianas) para la secuenciación de tareas inéditas, allanando el camino para robots de construcción que pueden aprender a realizar nuevas tareas simplemente "leyendo" un manual o tutorial.

Para profundizar en la arquitectura del sistema y la estandarización de las micro habilidades robóticas, recomendamos la lectura del artículo completo.

Sobre la American Society of Civil Engineers (ASCE)

Fundada en 1852, la American Society of Civil Engineers (ASCE) es la sociedad de ingeniería más antigua de los Estados Unidos y una de las organizaciones profesionales más importantes para los ingenieros civiles de todo el mundo. La organización es también una prolífica editora de contenido técnico, que publica decenas de revistas científicas, libros y actas de conferencias. Con la misión de promover la profesión y establecer estándares de excelencia y ética, la ASCE desempeña un papel crucial en el desarrollo de normas técnicas que se adoptan a nivel mundial. 

Si desea obtener más información sobre la cartera de la American Society of Civil Engineers (ASCE) para su institución, póngase en contacto con info@dotlib.com o complete nuestro formulario. Aproveche la oportunidad para mantenerse al día con nuestro blog, seguir nuestras redes sociales y suscribirse a Dotlib TV, nuestro canal oficial de YouTube.