Facebook ReSkin pretende dotar a la IA del sentido del tacto

Meta ReSkin pretende dotar a la IA del sentido del tacto

Los humanos damos por sentado el sentido del tacto, y es uno de los tipos de información más importantes que recibimos en determinadas situaciones. Nuestro sentido del tacto nos permite hacer cosas como sentir cómo agarramos un objeto para poder cogerlo fácilmente sin aplastarlo. Cada vez que cogemos algo frágil, como un huevo, sabemos exactamente la fuerza con la que debemos apretarlo para no aplastarlo y hacer un gran desastre. Para los robots y la IA que no tienen un sentido del tacto similar, es difícil que el robot reúna información sobre el objeto que intenta manipular.

Facebook AI está trabajando en un nuevo proyecto llamado ReSkin que está diseñado para dar a los dispositivos de IA una entrada adicional. Hoy en día, la IA puede incorporar sentidos, como la visión y el sonido, pero conseguir el sentido del tacto es algo que sigue siendo difícil. Parte de la razón por la que los sistemas de IA y los robots tienen poca información sobre el tacto es el acceso limitado a los datos de los sensores táctiles.

Los investigadores que trabajan con IA quieren incorporar los datos táctiles a los modelos de IA, pero es muy difícil dar a los sistemas de IA el mismo tipo de capacidad de detección táctil que tienen las personas. El proyecto ReSkin de Facebook AI es una «piel» táctil de código abierto creada en colaboración con investigadores de Meta AI y científicos de la Universidad Carnegie Mellon. ReSkin ayuda a los investigadores a mejorar la capacidad de detección táctil de sus sistemas de IA de forma rápida y a gran escala mediante el aprendizaje automático avanzado y la detección magnética.

El sistema es barato, versátil, duradero y reemplazable, por lo que es ideal para su uso a largo plazo. ReSkin utiliza un algoritmo de aprendizaje autosupervisado para autocalibrar el sensor y hacer que los datos sean generalizables para que puedan compartirse entre diferentes sensores y sistemas. Facebook AI publicará el diseño, la documentación, el código y los modelos de base para que los investigadores de todo el mundo puedan utilizar ReSkin sin necesidad de entrenar con sus propios conjuntos de datos. Esto permitirá integrar rápidamente la detección táctil en diversos sistemas de IA.

Además, la detección táctil generalizada permitirá a los investigadores recopilar datos que podrían contribuir al avance de la IA utilizada en una serie de tareas basadas en el tacto. Será útil para la clasificación de objetos, la propiocepción y el agarre robótico. Una vez que los sistemas de IA estén entrenados con la detección táctil, serán capaces de realizar nuevas tareas, como el trabajo en entornos sanitarios y la capacidad de manipular objetos pequeños, blandos y sensibles. La capacidad de manipular una gama más amplia de objetos podría hacer que los robots fueran más adecuados para empaquetar pedidos en fábricas o productos muy sensibles, incluidos los vegetales.

ReSkin cuesta menos de seis dólares en lotes de 100 unidades y es aún más barato cuando se produce en cantidades mayores. El sensor en sí tiene entre 2 y 3 milímetros de grosor y puede sobrevivir a 50.000 interacciones. Una vez desgastado, es fácil de sustituir y ofrece una alta resolución temporal de hasta 400 hertzios junto con una resolución espacial de un milímetro con una precisión del 90 por ciento.

ReSkin también envía a los investigadores señales táctiles de alta frecuencia en tres ejes, lo que permite a los sistemas ajustarse durante tareas de manipulación rápidas como lanzar, deslizar, atrapar y aplaudir. El sensor utiliza un elastómero deformable con partículas magnéticas incrustadas. El elastómero se deforma en cualquier dirección y permite que la señal magnética cambie a medida que se deforma. Los cambios en la señal magnética pueden medirse con un magnetómetro que permite traducir información como la ubicación del contacto y la cantidad de fuerza aplicada. Los investigadores crearon una piel generalizable para eliminar la necesidad de entrenar una nueva piel cada vez que se sustituye el sistema.

Sin embargo, cada sensor pasa por una rutina inicial de calibración exhaustiva para determinar su respuesta individual. La rutina de calibración es adaptable para tolerar los cambios en las propiedades de los materiales blandos a lo largo del tiempo. Los investigadores superaron los retos de ReSkin eliminando la necesidad de una conexión eléctrica entre el material blando y la electrónica de medición, basándose en la proximidad para las señales magnéticas, de modo que la electrónica sólo necesita estar cerca.

En lugar de basarse en los datos de un solo sensor, la función de mapeo del modelo utiliza datos de múltiples sensores. Eso permitió a los investigadores entrenar el modelo con una mayor diversidad de datos, de modo que produce datos más generalizados y eficaces. En lugar de recopilar datos de calibración en cada nuevo sensor, el sistema de aprendizaje autosupervisado se utiliza para afinar los sensores de forma automática utilizando pequeñas cantidades de datos sin etiquetar. Facebook AI afirma que el trabajo en ReSkin es un componente de su compromiso con el avance de la detección táctil en el ámbito de la investigación de la IA.