Robots que juegan en equipo
Un equipo de investigación de la Universidad de Sevilla ha desarrollado un método matemático con el que consiguen que los robots se agrupen y diversifiquen los trabajos que deben realizar para optimizar los procesos industriales. De esta manera, se logra reducir la carga de computación y mejorar el rendimiento de los autómatas.
En 2008, muchos años antes de que llegara la COVID-19 a nuestras vidas, un diseñador estadounidense diseñó un juego de mesa llamado Pandemia. En él los jugadores deben crear alianzas entre ellos para frenar la expansión de una enfermedad que asola la tierra, trabajando juntos, compartiendo información y tomando decisiones estratégicas en conjunto para superar los desafíos. Cada uno de ellos asume un rol especial con habilidades únicas que los distinguen y con capacidades específicas que les ayudan en la lucha contra la enfermedad: médico, investigador u operador de logística.
En la actualidad, las máquinas también pueden funcionar de una manera similar. Un equipo de investigación de la Universidad de Sevilla, ubicado en el Parque Científico Tecnológico Cartuja, ha programado un algoritmo, publicado en la revista Robotics and Autonomous Systems, con el que los robots se agrupan en función de su capacidad de trabajo y crean equipos más fuertes y resolutivos para desarrollar los trabajos. El nuevo método podría aplicarse en sistemas de trabajo continuo, como las líneas de producción de automóviles. Por ejemplo, con las máquinas de pintura que pueden agruparse para lograr resultados más uniformes y reducir el material empleado.
El nuevo método podría aplicarse en sistemas de trabajo continuo, como las líneas de producción de automóviles. Imagen: Flickr Chris Chesher.
Simulando el juego
Para realizar la simulación de los diferentes resultados que los robots pueden obtener, los investigadores se basan, precisamente, en la teoría de juegos, una técnica matemática que busca analizar cómo las decisiones de un individuo afectan a las de los demás y cómo estas interacciones conducen a distintas soluciones. “En la simulación, los robots podían gestionar directamente los trabajos sin tener en cuenta los obstáculos con los que pudieran encontrarse y todos estaban equipados con la misma instrumentación. Por lo tanto, el tiempo para realizar una tarea solo dependía de la tarea misma”, indica a la Fundación Descubre el investigador de la Universidad de Sevilla Eduardo Fernández Camacho, autor del artículo.
Así, estimaron que cada robot y cada tarea es un jugador distinto que parte con las mismas cartas que el resto. Pero a pesar de arrancar desde la misma casilla de salida, los tiempos y las soluciones que aporta cada uno difieren por múltiples motivos. Los jugadores se irán agrupando según las respuestas que van dando a cada problema, creando equipos cada vez más fuertes.
Distintas capacidades, distintos resultados
La referencia que se toma para realizar las agrupaciones de robots y tareas es el conocido como valor de Shapley, muy utilizado para resolver problemas de asignación de recursos, negociación y toma de decisiones en situaciones en las que es importante garantizar la equidad y la justicia. “El enfoque que usamos consiste en la aproximación del valor de Shapley de cada robot y tarea, lo que permite conocer su relevancia media dentro del problema. Esto se puede realizar en poco tiempo y permite identificar cuáles son los robots y las tareas claves del problema. A partir de esta identificación se descompone el problema inicial en otros más pequeños que son asignados a subconjuntos de robots, lo que también permite acelerar la solución del mismo”, añade el investigador.
La referencia que se toma para realizar las agrupaciones de robots y tareas es el conocido como valor de Shapley, muy utilizado para resolver problemas de asignación de recursos, negociación y toma de decisiones.
Además, el algoritmo que proponen puede llegar a gestionar centenares de agentes. Los resultados dependerán de los tiempos requeridos para la realización de las tareas. Sin embargo, el método permite agregar otras técnicas que los reduzcan ya que se puede calcular cada acción de manera independiente y paralela. Las técnicas de aprendizaje automático podrían aplicarse en futuros trabajos para mejorar la aplicabilidad del método y poder incluir a miles de agentes en el proceso. El trabajo está incluido en el proyecto ‘OCONTSOLAR’ del programa H2020 del Consejo Europeo de Investigación.
Si Matt Leacock, el creador de Pandemia hubiera sabido lo que venía en 2020 quizás habría modificado algunos aspectos del juego. Aunque viendo las posibilidades para el desarrollo de inteligencia artificial como el que han realizado los investigadores, no vendría mal un entrenamiento constante para afrontar las dificultades de manera colaborativa, cooperativa y especializada, por lo que pueda venir en el futuro.
Más información en #CienciaDirecta: Aplican inteligencia artificial para mejorar la ejecución de tareas de robots en fábricas
Últimas publicaciones
El 28 de septiembre se celebra el Día de la Cultura Científica, una efeméride que surgió en 2020 para visibilizar la importancia de acercar la sociedad a la ciencia. En Andalucía, la Fundación Descubre fomenta su interés de la ciudadanía divulgando estudios que se realizan en las universidades y centros de investigación andaluces, así como impulsando iniciativas ciudadanas y otras muchas actividades durante todo el año.
Un equipo de investigación del Centro Alameda del Obispo del IFAPA y las Universidades de Jaén y Córdoba han validado la capacidad que tienen distintos cultivares contra un hongo frecuente conocido como Verticillium dahliae, para el que no existe un método de control efectivo en la actualidad. Los resultados destacan tres variedades idóneas para evitar esta infección sin perder la calidad y nivel de producción de aceite.
Un equipo de investigación de la Universidad de Jaén ha analizado el ADN de 40 variedades de olivo cultivadas y 10 silvestres (acebuches) para establecer qué marcadores genéticos influyen en el tamaño del fruto. Con este conocimiento los mejoradores, es decir, quienes realizan las combinaciones para obtener los especímenes más deseables, pueden seleccionar árboles que produzcan frutos más grandes para aumentar la producción agrícola.
