Café con un investigador (#ICRA2022)

Café con un investigador (#ICRA2022)

  • Robotica
  • junio 20, 2022
  • No Comment
  • 37
  • 9 minutes read


Como parte de su papel como una de las ganadoras de los Premios de Comunicación Científica IEEE ICRA 2022, Avie Ravendran se sentó virtualmente con algunos de los investigadores de la academia y la industria que asistieron a la conferencia. ¿Tienes curiosidad por lo que tenían que decir? ¡Lee sus citas a continuación!

“Creo firmemente que los métodos aprendidos, especialmente el aprendizaje por imitación y transferencia, permitirán aplicaciones robóticas escalables en entornos humanos y no estructurados. Estamos en la cúspide de los agentes robóticos que se adaptan dinámicamente y resuelven problemas del mundo real”.

– Nicholas Nadeau, CTO, Halodi Robotics

«Por un lado, encuentro la interacción entre la percepción y el control bastante emocionante en términos de los principios básicos comunes, por otro lado, es genial e inspirador ver más robots saliendo del laboratorio».

– Matías Mattamala, estudiante de doctorado, Oxford Dynamic Robot Systems, Oxford Robotics Institute

«Creo que la inclusión de antecedentes relacionados con la geometría de la escena existente y la consistencia temporal que existe en el contexto de la robótica móvil puede usarse para guiar el aprendizaje de representaciones más sólidas».

– Kavisha Vidanapathirana, QUT y CSIROrobótica

«En este momento quiero saber qué necesitan los investigadores para mantenerlos motivados y cómodos».

– Daniel Carrillo-Zapata, Fundador, Agitación Científica

“Tenemos una inmensa cantidad de conocimiento no supervisado y estamos constantemente actualizando nuestro conocimiento previo. Aprovechar los beneficios de la educación preescolar sin supervisión a gran escala y tener un sistema de aprendizaje permanente parece ser un paso significativo en la dirección correcta”.

– Nitish Dashora, investigador, Berkeley AI Research y Redwood Center for Theoretical Neuroscience

“Cuando los objetos están desordenados y diferentes objetos están uno encima del otro, el robot debe reorganizar la escena de forma interactiva y autónoma para recuperar la pose del objeto objetivo con un número mínimo de acciones para lograr la eficiencia general. Estoy trabajando en algoritmos de estimación de poses para procesar datos visuales densos, así como datos táctiles dispersos”.

– Prajval Kumar, BMW y Universidad de Glasgow

«Pensar en por qué los robots, o incluso las estructuras, se comportan de la forma en que lo hacen y formular y responder preguntas en este sentido satisface mi curiosidad como investigador».

– Tung Ta, becario postdoctoral, Universidad de Tokio

“A veces escucho que caminar es un problema resuelto, pero no estoy de acuerdo. Creo que los estándares de desempeño acaban de elevarse y juntos ahora podemos abordar pasos más dinámicos, eficientes y confiables”.

– Kevin Green, estudiante de posgrado, Universidad Estatal de Oregón

“Mi objetivo en la investigación de robótica es reducir los costos y mejorar las capacidades de las plataformas de investigación marina mediante la introducción de la modularidad y la falta de actuación en el campo. Estamos trabajando para comprender cómo podemos ahora llevar nuestra tecnología de natación colectiva a entornos fluidos”.

– Gedaliah Knizhnik, estudiante de doctorado, Laboratorio GRASP y Laboratorio de robótica modular, Universidad de Pensilvania

«Estoy interesado en cómo podemos desarrollar los algoritmos y las representaciones necesarias para permitir la navegación robótica autónoma a largo plazo sin intervención humana, como en el caso de un robot submarino autónomo que mapea un ecosistema marino durante un período prolongado de tiempo. Hay muchos desafíos, p. B. ¿Cómo podemos construir una representación compacta del mundo, idealmente basada en una semántica comprensible para los humanos? ¿Cómo podemos manejar con elegancia los valores atípicos de percepción que inevitablemente ocurren en el entorno de toda la vida? y ¿cómo podemos escalar los métodos de estimación del estado del robot en el tiempo y el espacio mientras limitamos los requisitos de memoria y computación?

– Kevin Doherty, Laboratorio de Ciencias de la Computación e IA, MIT y la Institución Oceanográfica Woods Hole

“¿Cómo pueden los robots aprender a interactuar y razonar consigo mismos y con el mundo sin tener un sentido intuitivo de ambos? La comunicación está en el corazón de los sistemas biológicos y robóticos. Inspirados en la teoría del control, la teoría de la información y la neurociencia, los primeros trabajos en inteligencia artificial (IA) y robótica se centraron en una clase de sistemas dinámicos conocidos como sistemas de retroalimentación. Estos sistemas se caracterizan por mecanismos recurrentes o bucles de retroalimentación que controlan, regulan o «dirigen» el comportamiento del sistema en presencia de perturbaciones en diferentes entornos hacia estados estables deseables. La retroalimentación entre la sensación, la predicción, la decisión, la acción y la espalda es un componente crucial del aprendizaje sensoriomotor necesario para realizar sistemas robóticos inteligentes robustos en la naturaleza, un gran desafío en este campo. Los robots existentes son fundamentalmente sordos al mundo y limitan su capacidad para percibirse a sí mismos y a su entorno. Este problema solo aumentará a medida que los robots crezcan en complejidad, destreza y maniobrabilidad, guiados por la biomimética. Los sistemas de control de retroalimentación como Proporcional-Integral-Derivativo (PID), Aprendizaje por Refuerzo (RL) y Control Predictivo de Modelos (MPC) ahora son comunes en robótica, al igual que el filtrado Kálmán (óptimo, bayesiano) de señales IMU-GPS basadas en puntos . Carece de las sensaciones distribuidas, multimodales y de alta dimensión necesarias para realizar un comportamiento inteligente general y ejecutar secuencias complejas de acciones a través de abstracciones de alto nivel construidas a partir de una sensación intuitiva o comprensión de la física. Si bien el sistema nervioso central y las redes neuronales biológicas son motores de procesamiento distribuido paralelo cuántico (PDP), la mayoría de las redes neuronales artificiales digitales están completamente desacopladas de los sensores y solo brindan una imagen pasiva del mundo. Estamos trabajando para cambiar esto acoplando la detección distribuida en paralelo y el procesamiento de datos a través de un paradigma neuronal. Esto incluye innovaciones en hardware, software y conjuntos de datos. En Nervosys, nuestro objetivo es hacer realidad ese sueño mediante la construcción del primer sistema nervioso y plataforma para la inteligencia robótica general”.

– Adam Erickson, Fundador, Nervosys

Etiquetas: c eventos


Daniel Carrillo-Zapata recibió su doctorado en robótica de enjambres del laboratorio de robótica de Bristol en 2020. Ahora está promoviendo la cultura de la «agitación científica» para entablar conversaciones bidireccionales entre los investigadores y la sociedad.

Daniel Carrillo-Zapata recibió su doctorado en robótica de enjambres del laboratorio de robótica de Bristol en 2020. Ahora está promoviendo la cultura de la «agitación científica» para entablar conversaciones bidireccionales entre los investigadores y la sociedad.


Ahalya Ravendran es estudiante de doctorado en el Centro Australiano de Robótica de Campo de la Universidad de Sydney, Australia.

Ahalya Ravendran es estudiante de doctorado en el Centro Australiano de Robótica de Campo de la Universidad de Sydney, Australia.

Related post

Extracción de oro de los desechos usando gráficos (con video)

Extracción de oro de los desechos usando gráficos (con…

17 de agosto de 2022 (Noticias de Nanowerk) A lo largo de la historia, los alquimistas creyeron en la existencia de…
BYD se asocia con Nic.  Grupo Christiansen para vehículos de pasajeros de nuevas energías en Dinamarca

BYD se asocia con Nic. Grupo Christiansen para vehículos…

¡Dinamarca es el mercado más nuevo de BYD en Europa! BYD tiene el nic. Christiansen Group como distribuidor nacional de sus…
ML escribe la receta perfecta para nanoplacas con propiedades ópticas

ML escribe la receta perfecta para nanoplacas con propiedades…

Las nanoplacas de plata se utilizan en diversas aplicaciones, especialmente para la detección biomédica, la producción de alimentos, el cuidado de…

Leave a Reply

Tu dirección de correo electrónico no será publicada.