Tenga en cuenta que esto no pretende ser un consejo de inversión. El autor no ocupa ninguna posición en las acciones mencionadas.
LimX Dynamics, una empresa china de tecnología robótica, demostró recientemente las notables capacidades de su Biped Robot P1. Durante una prueba, el robot respondió eficazmente a las amenazas de un humano y navegó por terrenos desafiantes. Según la empresa, el robot utiliza el aprendizaje por refuerzo para reaccionar a estímulos externos, incluidos objetos en movimiento y obstáculos en su camino. Esta técnica forma parte de un conjunto más amplio de métodos utilizados para entrenar algoritmos de inteligencia artificial. Los últimos avances de Zhuji Dynamics, como también se conoce a la empresa, solidifican aún más su continuo progreso en el campo de la tecnología robótica.
El robot bípedo P1 de LimX Dynamics domina el terreno forestal montañoso mediante el aprendizaje por refuerzo
LimX, una empresa de robótica, tiene una cartera de productos que incluye un robot humanoide, un robot cuadrúpedo y el bípedo P1. Recientemente, la compañía realizó una prueba para la plataforma P1 en la montaña Tanglang en Shanghai, China. El objetivo de esta prueba era evaluar el rendimiento de la plataforma en un entorno impredecible con terreno accidentado. Se requirió que el P1 estuviera constantemente consciente de su entorno y utilizara el aprendizaje por refuerzo para incorporar datos en sus respuestas.
En una publicación de Medium, LimX reveló información sobre la prueba. La empresa afirmó que el aspecto más desafiante de la prueba fue la falta de escalones uniformes o nivel del suelo en el terreno montañoso, a diferencia de los entornos urbanos. Esta prueba marcó la tercera para toda la cartera de productos de la compañía, después de pruebas anteriores con robots humanoides y cuadrúpedos. El cuadrúpedo X1 realizó una navegación lenta alrededor de una fábrica de acero en el sur de China en octubre del año pasado.
Para su última prueba, la compañía volvió a publicar un vídeo que muestra el viaje del P1 a través de varios terrenos. La prueba demostró la capacidad del robot para ascender colinas cubiertas de hierba, sortear obstáculos, recuperarse de tropiezos y resistir patadas, tirones y golpes con un palo sin perder el equilibrio. Tras un examen más detenido de las imágenes, se observó que el palo utilizado por el entrenador se rompió al impactar con las piernas del robot.
A pesar de no revelar la distancia recorrida durante su primera carrera montañosa, LimX Dynamics sí reveló cierta información sobre el entrenamiento del robot mediante aprendizaje por refuerzo.
El aprendizaje por refuerzo se distingue de otras ramas del aprendizaje automático, como el aprendizaje supervisado y no supervisado, que utiliza o ignora etiquetas de datos para entrenar software. En cambio, utiliza recompensas o sanciones para permitir que un sistema tome decisiones. Aunque los sistemas de aprendizaje automático se diferencian de los sistemas de inteligencia artificial en su capacidad de aprender de forma autónoma, todavía se consideran parte del ámbito más amplio de la IA.
LimX declaró que a pesar de no utilizar ningún dato de su entorno, la prueba logró guiar al P1 a través de sus intrincados alrededores. La compañía tiene planes de implementar técnicas similares en su robot humanoide, el CL-1, que recientemente completó una prueba en diciembre. Durante esta prueba, el CL-1 subió hábilmente escaleras y maniobró a través de varios obstáculos interiores y exteriores, utilizando datos de su entorno para hacerlo.
El siguiente vídeo presenta la prueba de montaña de P1 para que la veas.
El enlace proporcionado es para un vídeo con la URL https://www.youtube.com/watch?v=UpNid_rWDnI.
Artículos relacionados:
¡SpaceX revela detalles sobre la primera misión de astronautas a los polos de la Tierra!
0:21
xAI adquiere Twitter de Elon Musk por 33 mil millones de dólares
22:14
El ex codirector de operaciones de TSMC considera a Intel como «nadie» y aboga por una fusión con empresas consolidadas de tecnología de chips.
21:56
Deja una respuesta ▼