Por John P. Desmond, Editor de Tendencias AI
La pandemia está abriendo oportunidades para los robots en el negocio de los restaurantes, ya que las cocinas buscan formas de distanciar a los empleados y los clientes.
White Castle, la cadena regional de restaurantes de hamburguesas, está probando un brazo robótico de Miso Robótica, para cocinar patatas fritas y otros alimentos, según un relato del Associated Press. Las dos empresas habían estado en conversaciones durante aproximadamente un año; Las conversaciones se recuperaron cuando llegó el coronavirus. Un beneficio potencial es que el robot puede liberar tiempo para que el personal humano maneje cada vez más pedidos de entrega.
Se espera que aumente el uso de robots por parte de la industria de restaurantes. "Espero que en los próximos dos años veas una adopción robótica bastante significativa en el espacio de alimentos debido a Covido”, Declaró Vipin Jain, cofundador y director ejecutivo de licuado, una startup de Silicon Valley.
licuado, quiosco de robots hace batidos frescos según una receta clos usuarios retocan desde la aplicación de su teléfono inteligente. A licuado empleado mantiene los ingredientes rellenared Una o dos veces al día. La compañía tiene un puñado de quioscos que operan en San Francisco y está realizando campañas de ventas a hospitales, centros comerciales y supermercados. "Lo que solía ser progresista—La última vezar, pre-Covid-tiene convertirse en pensamiento actual ", Jain sayuda.
Max Elder se muestra escéptico sobre el futuro de los robots de preparación de alimentos. En el mismo artículo de AP Elder, tl director de investigación del Laboratorio de Futuros de Alimentos en el Instituto del Futuro en Palo Alto, argumentó que la comida es personal y necesita un toque humano. He le preocupa que los robots seguirá distraer de importantes derechos humanos iproblemas en la industria alimentaria de alta calidad que incluyen trabajadores de la industria cárnica o recolectores de productos agrícolas. "No podemos automatizar nuestra salida de la pandemia porque la pandemia afecta mucho más de lo que se puede automatizar". dijo.
Más allá de la cuestión de hasta dónde pueden llegar los robots para reemplazar a los humanos en las industrias de restaurantes y servicios de alimentos, es la cuestión de cómo se puede entrenar a los robots para realizar las tareas requeridas de los trabajadores de los restaurantes o incluso para realizar las tareas del hogar.
Robots que aprenden a poner la mesa observando a los humanos
Los investigadores de robots del MIT, por ejemplo, están estudiando formas en que los robots pueden aprender nuevas tareas simplemente observando a los humanos., por ejemplo poner la mesa de la cena, según un artículo publicado en IEEE en febrero (DOI: 10.1109 / LRA.2020.2977217).
Los investigadores compilaron un conjunto de datos con información sobre cómo ocho objetos (una taza, un vaso, una cuchara, un tenedor, un cuchillo, un plato, un plato pequeño y un tazón) se podían colocar sobre una mesa en varias configuraciones. El brazo del robot observó demostraciones humanas de poner la mesa con los objetos, luego los investigadores le pidieron al brazo que pusiera la mesa él mismo basándose en lo que había visto. El robot cometió solo un puñado de errores en miles de pruebas.
"La visión es poner la programación en manos de expertos en el dominio, que pueden programar robots de manera intuitiva, en lugar de describir órdenes a un ingeniero para que las agreguen a su código", dijo el primer autor Ankit Shah, estudiante de posgrado en el Departamento de Aeronáutica y Astronáutica (AeroAstro) y el Grupo de Robótica Interactiva, dice en MIT Press cobertura del papel. Shah dice que el documento actual refleja un paso temprano en el cumplimiento de la visión—Dar a los robots la capacidad de aprender sin programación de los trabajadores comunes. "Los trabajadores de la fábrica pueden enseñarle a un robot a realizar múltiples tareas de ensamblaje complejas. Los robots domésticos pueden aprender a apilar gabinetes, cargar el lavavajillas o poner la mesa de la gente en casa.," él prevé.
Los investigadores llaman al sistema de software del robot Planificación con Especificación Incierta (PUnS), que permite a un robot tener una “creencia” sobre el resultado correcto más probable en un rango de posibilidades. "El robot esencialmente está cubriendo sus apuestas sobre lo que se pretende en una tarea y toma acciones que satisfacen sus creencias, en lugar de que nosotros le demos una especificación clara", Shah sayuda.
El sistema se basa en una "lógica temporal lineal" (LTL), que puede codificar la lógica sobre las rutas futuras de acuerdo con varias decisiones basadas en el tiempo. Las observaciones del robot de 30 demostraciones humanas para poner la mesa arrojaron una distribución de probabilidad sobre 25 fórmulas LTL diferentes. Cada fórmula codificaba una preferencia (o especificación) ligeramente diferente para poner la mesa. Esa distribución de probabilidad se convierte en su creencia.
“Cada fórmula codifica algo diferente, pero cuando el robot considera varias combinaciones de todas las plantillas y trata de satisfacer todo junto, eventualmente termina haciendo lo correcto”, afirmó Shah.
La programación permite que el robot sea flexible. Si no se proporcionan tenedores para poner la mesa, el robot coloca todo lo demás en el lugar correcto. Cuando se introducen las horquillas, el robot coloca las horquillas en el lugar correcto. “Ahí es donde la flexibilidad es muy importante”, afirmó. "De lo contrario, el robot se atascaría cuando espera colocar un tenedor y no terminar el resto de la configuración de la mesa".
Los robots para ayudar a las personas mayores en el hogar necesitan conocimientos previos y una forma de aprender
Otro investigador del MIT está estudiando cómo entrenar robots para ayudar a las personas mayores en su hogar.
"El robot tendría que enviarse con una cantidad considerable de conocimientos y capacidad previos, pero también tendría que poder aprender en el trabajo ”, Leslie Pack Kaelbling del Laboratorio de Ciencias de la Computación e IA del MIT dijo en un artículo reciente en Ciencia:.
Richard Sutton, un pionero del aprendizaje por refuerzo, ha afirmado que los humanos no deberían intentar incorporar ningún conocimiento previo en un sistema de aprendizaje porque tendemos a equivocarnos, Kaelbling señaló. Ella y su equipo se han convertido en un "meta–enfoque de aprendizaje ”, esencialmente aprender sobre el aprendizaje. Usan aprendizaje automático temprana en el diseño del sistema para descubrir qué algoritmos estructurados y conocimientos previos permitirían al robot aprender de manera eficiente cuando se implementa "En la naturaleza."
A El metaaprendiz intenta aprender un algoritmo de aprendizaje que, cuando se enfrente a una nueva tarea o entorno en la naturaleza, aprenderá de la manera más eficiente y efectiva posible.
Después de una cuidadosa consideración, los investigadores decidieron que el metaaprendizaje tampoco se ajustaba a los requisitos. Tienen la intención de explorar otras opciones incluyendo enseñanza por humanos, aprendizaje colaborativo con otros robots y cambio del hardware del robot junto con el software. "En todos estos casos, sigue siendo importante diseñar una metodología eficaz para desarrollar software de robot ”, afirman los investigadores. escribir. "La aplicación de los conocimientos adquiridos de la informática y la ingeniería junto con la inspiración de la neurociencia cognitiva puede ayudar a encontrar algoritmos y estructuras que puedan integrarse en los agentes de aprendizaje y proporcionar una ventaja para el aprendizaje tanto en la fábrica como en la naturaleza".
Enseñar a los robots a realizar tareas útiles en los restaurantes y en el hogar es un trabajo en progreso.
Lea los artículos fuente del Associated Pressen Noticias del MIT y en Ciencia:.
