gprisma Un robot puede hacer todo lo que se le pide y aún así dejarnos con una pregunta importante sobre qué sucede a continuación. Esto ocurre porque el trabajo físico está interconectado. Un robot termina una acción, y luego sigue otra acción. Otro robot puede necesitar el mismo espacio. Una persona puede necesitar acceder a esa zona. El siguiente objeto ya puede estar esperando. Por lo tanto, el robot no solo es responsable de completar su propia tarea. La forma en que la termina también puede afectar la tarea que le sigue. Ese es el detalle que encontré interesante en este episodio (Episodio #50981). Los brazos finalmente se alejan del área en la que han estado trabajando, y ese simple final abre una idea mucho más amplia sobre cómo debemos evaluar la Inteligencia Física. [] Una tarea completada aún puede crear un problema Imagina que un robot coloca una muestra exactamente donde debe estar, pero deja su brazo atravesando el área que se necesita usar a continuación. La primera tarea tuvo éxito. La segunda tarea ahora tiene un problema. Esta es una diferencia importante entre robots que trabajan mediante demostraciones aisladas y robots que operan continuamente en entornos reales. En un laboratorio, fábrica, hospital u otro espacio compartido real, rara vez hay un reinicio limpio después de cada tarea. El robot termina una cosa dentro del mismo entorno donde debe ocurrir algo más. Eso significa que el éxito no puede depender solo de la posición final del objeto. También debemos preocuparnos por las condiciones que el robot deja atrás. [] El último movimiento puede afectar los siguientes diez Esto se vuelve aún más importante cuando las tareas están conectadas. Una acción puede preparar algo para otra acción. Un robot puede necesitar terminar antes de que otro pueda ingresar con seguridad al mismo área. Una persona puede necesitar acceso inmediatamente después de que la máquina termine. Si el primer robot deja el espacio de manera incómoda, el paso siguiente puede requerir movimientos adicionales, tiempo extra o incluso intervención humana. Esa pequeña ineficiencia puede repetirse a lo largo de un flujo de trabajo prolongado. Algunos segundos innecesarios al final de una tarea pueden no importar mucho una vez. Pero en cientos o miles de tareas, pueden convertirse en un problema operativo real. [] El espacio compartido cambia lo que significa un buen comportamiento Esta es una de las grandes diferencias entre software e Inteligencia Física. Un proceso de software puede terminar y desaparecer del camino. Un robot físico sigue ocupando espacio. Su brazo tiene una posición. Su cuerpo tiene una posición. Los objetos a su alrededor también tienen posiciones. Por lo tanto, la Inteligencia Física debe aprender no solo cómo alcanzar una meta, sino también cómo operar alrededor de todo lo demás que comparte el entorno. Por eso, la posición final de un robot puede contener información útil. Nos indica si el robot entiende que su propia presencia forma parte del entorno de trabajo. [] La próxima tarea no debería tener que limpiar lo dejado por la anterior Hay otro punto práctico aquí. Si cada nueva tarea requiere que una persona u otro robot mueva primero al robot anterior para despejar el camino, entonces parte del trabajo simplemente se ha trasladado a otro lugar. El robot original aún podría recibir una calificación aprobatoria por completar su instrucción. Pero el sistema en su conjunto realiza trabajo adicional debido a cómo terminó esa tarea. Para la Inteligencia Física futura, esta distinción es importante. Queremos robots que puedan contribuir a un flujo de trabajo continuo, no robots que completen acciones aisladas dejando a alguien más la tarea de volver a hacer el entorno utilizable. [] Por eso, el final también merece validación La validación nos da la oportunidad de mirar más allá del momento obvio de éxito. La evidencia útil no es solo si el robot manipuló el objeto correcto o alcanzó el lugar correcto. También es lo que ocurrió alrededor de esa acción y qué dejó el robot cuando terminó. Esa información se vuelve valiosa al entrenar robots para entornos donde las tareas están conectadas, los espacios son compartidos y los errores o malas posiciones pueden afectar lo que sucede a continuación. 👇👇