“Estamos creando humanos simulados físicamente, que aprenden a moverse con las habilidades y agilidad a través del entorno que les definimos”, dice Michiel van de Panne, un profesor de ciencias de la computación de la Universidad de la Columbia Británica (UBC), quien presentó su investigación en la recién terminada conferencia SIGGRAPH 2017, la más grande en términos de gráficas de computadora y técnicas interactivas.
“Hemos mostrado como los personajes creados con la computadora pueden aprender a responder a su entorno sin tener que escribir “a mano” las estrategias requeridas para mantener el balanceo planear una trayectoria a través de obstáculos que se mueven. En lugar de eso, lo que hacemos es que estos comportamientos se aprendan”, comenta el investigador de la mencionada universidad.
El trabajo, llamado “DeepLoco” ofrece una manera alternativa de animar los movimientos humanos en juegos y películas, en lugar de usar el método actual de usar actores y captura de movimientos para este propósito. DeepLoco permite a los personajes animados moverse automáticamente de formas que se vea realista y atento a su alrededor y al entorno, sin necesidad de programar a mano los bordes y las metas en el movimiento. En el futuro, los robots de dos y cuatro patas podrían aprender a navegar a través del entorno sin necesidad de codificar a mano las reglas apropiadas para ello.
El método usado es el del aprendizaje reforzado profundo en redes neuronales, un tipo de algoritmo de aprendizaje para las computadoras en donde la experiencia se gana a través de prueba y error así como recompensas cuando salen bien las cosas. Con el tiempo, el sistema progresa e identifica las mejores acciones a tomar en ciertas situaciones dadas.
“Es como aprender un nuevo deporte”, dice van de Panne. “Hasta que lo intentas, no sabes a qué cosas prestar atención. Si aprendes a usar una patineta en la nieve, puede ser que no sepas que necesitas distribuir tu peso de una forma particular entre tus dedos y talones. Estas son las mejores estrategias que se aprenden y que son muy difíciles de codificar o diseñar de otra manera”, comenta el investigador.
El movimiento de los seres humanos y animales no solamente tienen que ver con la física sino con el control. Y mientras el ser humano aprende a tener control motor a través de prueba y error, van de Panne dice que es difícil decir qué tanto el algoritmo emula el proceso del aprendizaje humano. Después de todo, un programa de computadora aprende mucho más lentamente que los seres humanos. El investigador empezó a trabajar con los problemas del aprendizaje motor cuando tuvo hijos, los cuales ahora tienen 17 y 20 años.
“Yo recuerdo preguntarme quién aprendería antes a caminar o correr con agilidad primero: mi hijo, mi hija o mi algoritmo”, comenta van de Panne. “Mis hijos me ganaron por mucho”, concluye.
Referencias: Tech Explore, UBC