Aprendizaje por refuerzo: aprender probando
Intermedio · unos 7 min de lectura
El robot prueba, recibe una puntuación y aprende poco a poco qué acciones puntúan más.
En el aprendizaje por refuerzo nadie dice al robot la respuesta correcta. Prueba una acción, el mundo responde y una puntuación de recompensa dice si fue buena. Tras muchos intentos aprende a elegir acciones con más recompensa.
Es como enseñar un truco a un perro con premios, pero el robot puede intentarlo millones de veces. Por eso casi todo el entrenamiento ocurre en simuladores, donde los errores son gratis y rápidos.
Un robot que camina recibe recompensa por avanzar y castigo por caerse. Tras millones de intentos simulados, encuentra una forma de caminar que ningún ingeniero escribió a mano.
Puedes conseguir habilidades casi imposibles de programar a mano, como el equilibrio, caminar o hacer malabares.
Tendrías que programar cada movimiento a mano. Con un cuerpo complejo tarda años y el movimiento sale rígido.
Juega un juego sencillo y escribe tu propia "recompensa" para cada jugada. Acabas de hacer lo que hace el algoritmo.
Preguntas frecuentes
¿Por qué entrenar en simulación?
Un robot real puede romperse y es lento. Un simulador hace miles de intentos en minutos y sin riesgo.
¿Lo aprendido funciona en el robot real?
A menudo tras ajustes. La distancia entre simulación y realidad es un problema conocido, llamado sim-to-real.
En lenguaje sencillo. Gratis. Date de baja con un clic.
¿Quieres jugar y aprender? Abre la demo interactiva en la página en inglés → · Glosario