Festo ha sorprendido con la presentación de su nueva tecnología SmartBird (o gaviota robótica).  Un nuevo robot volador que se inspira en la gaviota y realiza un vuelo autónomo tanto en interiores como en exteriores.

Ésto es lo que dice la empresa de su nueva creación:

SmartBird es un modelo de vuelo ultraligero pero potente, con excelentes cualidades aerodinámicas y agilidad extrema. Con SmartBird, Festo ha logrado descifrar el vuelo de los pájaros. Esta tecnología biónica, que se inspira en la gaviota argéntea, puede iniciar, volar y aterrizar de forma autónoma -sin mecanismo de arrastre adicional. Sus alas no sólo se mueven arriba y hacia abajo, sino que también le permiten girar en ángulos específicos. Esto es posible gracias a una unidad articulada de torsión, que en conjunto con un complejo sistema de control produce eficiencia sin precedentes en la operación de vuelo. Festo ha conseguido por primera vez en la realización de una adaptación técnica de eficiencia energética del modelo natural.

El equipo de ingeniería detrás de esta magnífica máquina voladora ha logrado una tarea increíble: minimizar el peso del ave robótica al tiempo que maximiza elevación gracias aleteo. La gaviota robótica mide un metro de largo, pesa menos de medio kilo y cuenta con una envergadura de 2 metros. El ave real, la gaviota argéntea europea, mide un poco más de medio metro de largo, tiene una envergadura de hasta 1,5 metros y pesa alrededor de un kilogramo.

Festo ha diseñado SmartBird como una plataforma para desarrollar y probar nuevas ideas en la construcción ligera y aerodinámica que pueden transferir al desarrollo y optimización de tecnologías de propulsión híbrida y abrir las puertas a nuevos avances en la automatización. Sin embargo, teniendo en cuenta el grado de realismo a este pájaro robot, no sorprendería que en pocos años se utilizase por los militares o policiales para la vigilancia, pero para llegar a ese punto, SmartBird probablemente tendrá que mejorar su rango de autonomía de funcionamiento y llevar un paquete de sensores para la recolección de datos.

Entradas Relacionadas

• No hay Entradas Relacionadas

Recientemente ha aparecido un tipo de robot volador muy interesante y muy estable. Se trata del cuadricóptero (quadrocopter in english).  En el Flying Machine Arena (Zurich) se están desarrollando proyectos basados en robótica, especialmente relacionados con la mecánica del vuelo. Se trata de un espacio acondicionado para evitar accidentes y con un cuarto de control remoto. Entre los proyectos más interesantes están los de Sergei Lupashin.

El modelo utilizado para los experimentos es el “quadrotor” de Ascending Technologies.  Pero a nosotros lo que nos interesa no es tanto el radiocontrol de estos cuadricópteros, sino lo que se puede hacer con ellos a nivel de IA. En el vídeo superior podemos ver cómo dos de ellos juegan a la pelota. Recordemos que la inteligencia y el juego están muy relacionados (no así la inteligencia y la ludopatía). En este caso, lo más destacable es el análisis en tiempo real de la posición de la pelota y la reacción de los motores para posicionar el robot en el punto justo de caída. Algo de lo que deben encargarse también aquellos participantes de la RoboCup, aunque hacerlo en el espacio y no en el plano se me antoja más complicado.

Otro de los proyectos de Sergei ha sido el de poner a un quadrotor  a tocar un teclado. Parece que la idea de los robots músicos va proliferando. Quizás algún día el robot violinista y el quadrotor hagan un banda. Sería muy entrañable. Os dejo el vídeo del artista aquí abajo. Sin embargo, no os puedo decir si el robot está siendo controlado por control remoto en el momento del vídeo o si está programado para que ejecute él sólo la “pieza”.

Entradas Relacionadas

• No hay Entradas Relacionadas

Pásate por http://www.nolesvotes.com/

Debo añadir antes que nada, para evitar confusiones, que esta petición NO es para NO VOTAR. Vota, pero no a los corruptos.

No les votes (video youtube)

El próximo 22 de mayo, los ciudadanos españoles están convocados a las urnas para votar a sus representantes públicos en todos los ayuntamientos y en algunos parlamentos autonómicos. Los representantes elegidos tendrán a su cargo la gestión de miles de millones de euros durante un periodo de cuatro años, razón más que suficiente para extremar las precauciones de los votantes: a lo largo de los últimos años, el nivel de corrupción en la política española se ha disparado de manera alarmante en todo el arco parlamentario.

PSOE, PP y CiU son las tres formaciones políticas que han pactado para resucitar la ley Sinde en el Senado, una ley que permite censurar Internet por vía administrativa, sin una intervención judicial que garantice la tutela efectiva de los ciudadanos. Al juez que deba validar el cierre le estará vedado analizar el fondo del asunto, esto es, la vulneración de derechos de propiedad intelectual o la posibilidad de producir un perjuicio patrimonial por parte de la página web cuya clausura se solicite. La ley Sinde crea un “agujero libre de jueces” donde la decisión la toma una comisión administrativa nombrada por el gobierno, para evitar lo que hasta el momento venía ocurriendo: que los jueces no daban la razón a las reclamaciones de la industria de los contenidos.

La ley Sinde es ineficaz. No aborda una reforma integral de la legislación de propiedad intelectual, único camino para favorecer la justa retribución de los creadores y artistas en el marco de unasociedad de cultura digital. Aún así, y a pesar de la oposición de una parte importante de la sociedad incluyendo creadores y artistas, PSOE, PP y CiU votaron a favor de ella. Pesaron más las presiones de gobiernos extranjeros y de grupos minoritarios que el interés social. Pero no todo es culpa de nuestros representantes: nosotros les hemos elegido, por acción u omisión.

Desde Nolesvotes.com consideramos que PSOE, PP y CiU han faltado a su principal obligación con la ciudadanía: defender la Constitución que juraron o prometieron acatar. La ley Sinde somete Internet a una legislación excepcional, con grave merma de los derechos a la libertad de expresión e información y a la tutela judicial efectiva, posibilitando un mayor control político de la red.

Tu decisión es importante. No te pedimos el voto para ningún partido concreto, ni que votes en blanco, ni que te abstengas, sino que te informes para comprobar que existen alternativas contrarias a la ley Sinde en todo el espectro ideológico. Te pedimos que defiendas la libertad en la red con tu voto, no apoyando a aquellos que con sus actos se han hecho claramente merecedores de un voto de castigo.
El próximo 22 de mayo, NO LES VOTES

¿Por qué sumarse a esta iniciativa?

La Reina Roja es una web de divulgación, sin intenciones políticas de ningún tipo. Sin embargo, es una web. Como tal, apoya la iniciativa de castigar electoralmente a los partidos políticos que han perpetuado el ataque contra la libertad en internet. No al cierre de webs sin autorización judicial.

Pero éste no es el único motivo. Los ciudadanos tenemos el deber de velar por la seguridad de la democracia. Desgraciadamente, en España y en parte del mundo, los poderes del estado han sido copados por partidos políticos con un altísimo grado de corrupción en sus filas. Es hora de un cambio. Una renovación de la clase política. Se requieren nuevas ideas y sangre fresca ante la crisis más grande de la historia reciente.No les votes

Entradas Relacionadas

• No hay Entradas Relacionadas

En una edición especial de este programa, “El desafío IBM“”, uno de los concursantes no era humano. Se trataba de Watson, una IA desarrollada por IBM, cuyo nombre es un homenaje al fundador de la compañía, Thomas J. Watson. Durante 3 programas, Watson ha derrotado por mucha diferencia a sus dos contrincantes: Ken Jennings, quien ganó 74 programas seguidos con una ganancia total de más de 2 millones de dólares y Brad Rutter, que lleva acumulados más de 3 millones de dólares. Vamos, que no se estaba enfrentando a dos mindundis precisamente. Watson ganó con un total de un millón de dólares. Le siguió Jennings con 300000 dólares y al final quedó Rutter con 200000.

Anécdotas del programa
Para empezar, os dejo el vídeo de youtube con los 10 minutos iniciales, donde se hace una descripción (en inglés) de qué es Watson, y podéis ver cómo acertaba las preguntas. Un poco más adelante entraremos en más detalles sobre él.

Una de las curiosidades fue que Watson no apostaba números redondos,  sino que elegía sumas como 2127 dólares. Otra es que se ha comentado mucho que tuvo algunos errores muy llamativos en preguntas relativamente sencillas, como la relacionada con Harry Potter o situar a Toronto en Estados Unidos.

Durante el programa, se mostraba para cada pregunta cuáles eran las opciones que manejaba Watson y cuál era la que más confianza le daba. Lo más espectacular es el tiempo de reacción. Fue el más rápido de los tres competidores, y se aprecia que cuando algún rival se le adelanta, es porque no ha encontrado una respuesta que le satisfaga (bajo porcentaje de probabilidad de acertar).

El programa fue rodado en las instalaciones de IBM (Watson Research Center), a las afueras de Nueva York, imagino que debido al volumen y peso de Watson.

¿Cómo funciona Watson?

Tanto el software como el hardware han sido diseñados a medida durante más de tres años para la tarea de responder de forma precisa a preguntas realizadas en lenguaje humano.

Estamos hablando de un súper ordenador que tiene 2880 núcleos y 15 terabytes de memoria RAM. Un ordenador personal corriente, como el que estás usando para leer esto, tiene 1 ó 2 núcleos y entre 1 y 4 gigas (no teras) de RAM (a no ser que tengas un “maquinón” ). Si Watson funcionase sobre un sólo núcleo, tardaría dos horas y media en encontrar la respuesta correcta.

El sistema operativo de la máquina es Linux (un nuevo triunfo para el software libre). Cuenta con una gigantesca base de conocimiento. Una base de conocimiento es -a grosso modo- información cargada en el sistema. Enciclopedias, libros como los de Harry Potter… de todo.

Cuando se realiza la pregunta, todos los procesadores comienzan a buscar la información en paralelo (todos a la vez), pero compartiendo la memoria. Eso significa que si uno de los procesadores encuentra el tomo enciclopédico donde está la posible respuesta, comparte la información con todos los demás procesadores, lo que hace que se puedan repartir el trabajo de buscar la infromación.

Pero digamos que lo “nuevo” no es esto. La programación paralela existe ya desde hace tiempo. La innovación consiste en el análisis y la interpretación del lenguaje humano. Para empezar, las preguntas del juego Jeopardy! están expresadas con juegos de palabras y dobles sentidos.

En la base de conocimiento de Watson encontramos dos tipos de información, la que está estructurada en tablas (una lista de personas con sus datos personales, por ejemplo: lugar de nacimiento, edad de fallecimiento, etc. etc. etc.) y la que está desestructurada, como los párrafos de las novelas o los libros, que contienen información pero hay que analizarla para llegar a una hipótesis:

“Ulises volvió a partir, al azar. Con los lestrigones, un pueblo de antropófagos, perdió todos sus barcos, salvo uno, y en esa embarcación es donde llegó a la isla de Aea, donde vivía la maga Circe. “

De el texto anterior se puede extraer la información: Ulises es marinero (o al menos ha viajado más de una vez en barco y es poseedor de barcos).

Cuando se realiza la pregunta, el procesamiento inteligente de Watson es el siguiente:

1.- Descomponer la pregunta

2.- Buscar en la base de conocimiento los datos de la pregunta y seleccionar los mejores datos para generar una hipótesis. Esto se realiza en paralelo, por lo que se generan miles de hipótesis (me atrevería a decir millones) en menos de un segundo.

3.- Se realiza una evaluación de cada hipótesis comparándola con las demás. Esto se hace buscando en la base de conocimiento evidencias que nos digan que esa hipótesis es buena. Por ejemplo, ante la hipótesis de que Ulises es marinero, buscamos en todos los textos relacionados con Ulises para encontrar más pistas que nos hagan “pensar” que ciertamente lo era.

4.- Se extrae una síntesis del proceso con toda la información recabada, utilizando las hipótesis mejor puntuadas.

5.- Se compara la conclusión con modelos ya aprendidos mediante entrenamiento. Normalmente, este tipo de sistemas se “entrena” gracias a que tienen programado aprendizaje, pero ese tema quizás es mejor dejarlo para otro artículo.

6.- Se da la respuesta.

La verdad es que el resultado es espectacular.  IBM no sólo ha conseguido una gran máquina capaz de responder a preguntas humanas, sino que lo hace en menos de 3 segundos, venciendo a todos sus competidores de carne y hueso. Watson es lo que podríamos llamar una evolución de Deep Blue, otro gran ordenador, campeón de ajedrez, al que debo dedicarle una entrada un día de estos.

Espero que os haya servido para entender un poco más el funcionamiento de cómo es posible crear algo así. Por supuesto, la explicación que he puesto es sólo una visión muy superficial, y el proceso interno es altamente complejo.

Os dejo unos cuantos enlaces en los que me he basado para escribir este artículo:

http://mexico.cnn.com/tecnologia/2011/02/16/watson-la-computadora-que-aplasto-a-dos-campeones-de-jeopardy

http://www.muylinux.com/2011/02/18/%C2%BFtoronto-ciudad-estadounidense-elemental-querido-watson/

http://www.publico.es/ciencias/361930/watson-no-conoce-a-lord-voldemort

http://www.muycomputerpro.com/ibm-watson-superordenador-capaz-de-entender-y-responder-preguntas/

Aunque por supuesto, ya sabéis que lo mejor suele ser recurrir a la fuente:

http://www.watson.ibm.com/index.shtml

Y ya que estoy con los enlaces, os recomiendo que echéis un vistazo al único ser vivo inmortal que se conoce: http://es.wikipedia.org/wiki/Turritopsis_nutricula#Inmortalidad_biol.C3.B3gica

Entradas Relacionadas

• 10 IAs de ficción famosas
• La IA de Project Natal

Aquí os dejo un par de videos de lo que son capaces de hacer. La duda vuelve a asaltarme ¿Toda la información de nuestras casas que graba Kinect es transmitida a Microsoft? ¿No empieza a ser esto ya como el Gran Hermano de 1981?

Que cada uno juzgue.

Entradas Relacionadas

• La IA de Project Natal

Si, amigos, la Inteligencia Artificial también tiene las zarpas puestas en la genética. No sólo somos capaces de crear robots, reconocer rostros y crear enjambres. Una de las ramas de estudio más interesantes y más fructíferas es la que se encarga de imitar informáticamente el ADN. Bueno, más bien podemos decir que es una técnica que se basa en la idea de los genes para producir resultados, imitando la selección natural.

Antes de leer este artículo, puede que te interese echar un vistazo al glosario para saber qué es un Algoritmo.

La Inteligencia Artificial se enfrenta en muchas ocasiones a problemas en los que es muy difícil encontrar la mejor solución. El más típico es el problema del viajante de comercio. Supongamos que tenemos a un comercial que sale de Madrid y tiene que visitar 14 o 15 ciudades de toda España. Lo quiere hacer en el menor tiempo posible, y conoce todas las distancias por carreteras. Quiere pasar por las ciudades sólo una vez a ser posible y volver a Madrid cuando haya terminado. No parece un problema demasiado difícil, ¿Verdad? Al menos en teoría. Y sin embargo, resolver este problema es un dolor de cabeza para un ordenador (si tuviesen cabeza, claro), y puede tardar mucho, mucho tiempo en encontrar el mejor camino. El problema del viajante de comercio es un problema tipo, que puede ser aplicado a muchas situaciones, por ejemplo el enrutamiento de paquetes en Internet.

Cuando no es posible encontrar la solución óptima – en el caso del viajante, la mejor ruta – en un tiempo de computación razonable, puede que nos interese encontrar una solución que sea buena pero que no sea la mejor, en menos tiempo.

Funcionamiento

Para poner en marcha un algortimo genético, primero nos inventamos al azar un grupo de soluciones posibles al problema. No importa que sean malas soluciones (por ejemplo una ruta que incluya ir a Valencia y luego a Murcia, para después ir a Alicante). Para entendernos antes de seguir adelante: una solución es un resultado del problema, aunque sea malo. Una solución no sería sin embargo una ruta incompleta.

Estas soluciones las podemos medir, por ejemplo, en quilómetros recorridos. Necesitamos una medición para poder compararlas. Al igual que digo quilómetros podría decir gasolina gastada. Depende de cuál sea nuestro objetivo a optimizar.

Después hacemos que las mejores de estas soluciones inventadas (a las que podemos llamar individuos) se reproduzcan. La reproducción consiste en hacer múltiples copias, algunas aleatorias y algunas con pequeños cambios.

El nuevo grupo de individuos es la nueva generación, y los individuos de la generación anterior que no han mejorado pasan a mejor vida.

El proceso se repite utilizando el grupo generado como los nuevos progenitores. Después de varias generaciones, va emergiendo una solución cada vez mejor, ya que estamos simulando una selección natural.

¿Y esto a quién se le ocurrió? (aka “un poco de historia”)

(tomado de http://geneura.ugr.es/~jmerelo/ie/ags.htm, Juan Julián Merelo Guervós)

John Holland (profesor de psicología, ingeniería eléctrica y ciencias de la computación) desde pequeño, se preguntaba cómo logra la naturaleza, crear seres cada vez más perfectos (aunque, como se ha visto, esto no es totalmente cierto, o en todo caso depende de qué entienda uno por perfecto). Lo curioso era que todo se lleva a cabo a base de interacciones locales entre individuos, y entre estos y lo que les rodea. No sabía la respuesta, pero tenía una cierta idea de como hallarla: tratando de hacer pequeños modelos de la naturaleza, que tuvieran alguna de sus características, y ver cómo funcionaban, para luego extrapolar sus conclusiones a la totalidad. De hecho, ya de pequeño hacía simulaciones de batallas célebres con todos sus elementos: copiaba mapas y los cubría luego de pequeños ejércitos que se enfrentaban entre sí.

En los años 50 entró en contacto con los primeros ordenadores, donde pudo llevar a cabo algunas de sus ideas, aunque no se encontró con un ambiente intelectual fértil para propagarlas. Fue a principios de los 60, en la Universidad de Michigan en Ann Arbor, donde, dentro del grupo Logic of Computers, sus ideas comenzaron a desarrollarse y a dar frutos. Y fue, además, leyendo un libro escrito por un biólogo evolucionista, R. A. Fisher, titulado La teoría genética de la selección natural, como comenzó a descubrir los medios de llevar a cabo sus propósitos de comprensión de la naturaleza. De ese libro aprendió que la evolución era una forma de adaptación más potente que el simple aprendizaje, y tomó la decisión de aplicar estas ideas para desarrollar programas bien adaptados para un fin determinado.

En esa universidad, Holland impartía un curso titulado Teoría de sistemas adaptativos. Dentro de este curso, y con una participación activa por parte de sus estudiantes, fue donde se crearon las ideas que más tarde se convertirían en los algoritmos genéticos.

Por tanto, cuando Holland se enfrentó a los algoritmos genéticos, los objetivos de su investigación fueron dos:

• imitar los procesos adaptativos de los sistemas naturales, y
• diseñar sistemas artificiales (normalmente programas) que retengan los mecanismos importantes de los sistemas naturales.

Unos 15 años más adelante, David Goldberg, actual delfín de los algoritmos genéticos, conoció a Holland, y se convirtió en su estudiante. Golberg era un ingeniero industrial trabajando en diseño de pipelines, y fue uno de los primeros que trató de aplicar los algoritmos genéticos a problemas industriales. Aunque Holland trató de disuadirle, porque pensaba que el problema era excesivamente complicado como para aplicarle algoritmos genéticos, Goldberg consiguió lo que quería, escribiendo un algoritmo genético en un ordenador personal Apple II. Estas y otras aplicaciones creadas por estudiantes de Holland convirtieron a los algoritmos genéticos en un campo con base suficiente aceptado para celebrar la primera conferencia en 1985, ICGA´85. Tal conferencia se sigue celebrando bienalmente.

Entradas Relacionadas

• No hay Entradas Relacionadas

En aquella ocasión, el tema interpretado era un fragmento de la marcha “Pomp and Circumstance” Nº1, elegido seguramente por ser la marcha de graduación en Estados Unidos. En esta ocasión nos deleita con un tema llamado “Jazmín“, basada en una melodía popular china. El concierto ha tenido lugar en la Expo Mundial de Shangai 2010:

Tiene una altura de 152,2 centímetros y pesa 56 kilogramos, y cuenta con  17 grados de libertad en sus dos manos y brazos. Puede conseguir el efecto vibrato.

Entradas Relacionadas

• Sillas de ruedas controladas con la mente y una IA

En un artículo titulado A Novel Ray Analogy for Enrolment of Ear Biometrics recién presentado en la cuarta conferencia internacional sobre biométrica IEEE: Teoría, aplicaciones y sistemas, científicos de la Escuela Universitaria de Electrónica y Ciencias de la Computación (ECS) se describe cómo una técnica llamada “image ray transform”(la única traducción que se me ocurre es “transformada de rayo de imagen”) puede resaltar estructuras tubulares como orejas, haciendo posible su identificación.

La investigación, que ha sido llevada a cabo por el Profesor Mark Nixon, el Dr. John Carter y Alastir Cummings en el ECS, describe cómo la transformada es capaz de resaltar estructuras tubulares como la hélice de la oreja y las monturas de las gafas. Aprovechando la forma elíptica de la hélice, puede ser usado como la base de un método para registrar la biométrica de la oreja.

Las orejas tienen ciertas ventajas sobre la mayoría de los métodos biométricos establecidos, ya que su estructura es rica y estable, y se preserva desde el nacimiento hasta la vejez, independientemente de la edad. La oreja no sufre cambios originados por las expresiones faciales y están firmemente ancladas en la mitad de la cabeza, con un fondo bastante predecible. El reconocimiento facial, por el contrario, suele requerir que la cara esté capturada sobre un fondo controlado.

De cualquier forma, el hecho de que las orejas puedan quedar ocultas tras el pelo, hizo que el profesor Nixon y su equipo investigasen más en el uso de algoritmos biométricos capaces de identificar y aislar la oreja del resto de la cabeza.

La técnica presentada por los científicos alcanza el 99,6% de éxito en 252 imágenes tomadas de la base de datos XM2VTS, mostrando una alta resistencia a la confusión con pelo y gafas. Estos resultados muestran un gran potencial para mejorar la detección de patrones estructurales.

“Las patrones de reconocimiento son uno de los grandes desafíos de la visión artificial” dijo Alastair Cummings. “La técnica ray transform puede ser apropiada para su uso en investigaciones biométricas actuales, tomando por ejemplo piernas como funciones tubulares que la transformada es capaz de extraer. La transformada puede ser extendida también a imágenes 3D, espaciales o espacio-temporales, tanto para biometría 3D como para seguimiento de objetos. Es una técnica general de pre-procesado de imágenes para extracción de patrones en imágenes digitales, una tecnología apropiada por ejemplo para videovigilancia o aplicaciones médicas.”

Fuente original: Science Daily

Entradas Relacionadas

• La IA de Project Natal
• Sillas de ruedas controladas con la mente y una IA

Visto en meneame.net -> eliax

La Teoría del Valle Inquietante

Creo que el vídeo de arriba es un claro ejemplo de que lo que muchos creían que nunca iba a suceder ya está aquí. No es la primera muestra de un robot que imita expresiones faciales humanas, pero de lo que yo he visto, es el más avanzado. Este vídeo hace pensar en la teoría del valle inquietante (o valle inexplicable).

Esta teoría nos habla de que cuanto más se van pareciendo los robots a los humanos, al principio nos gusta, pero cuando alcanzan un parecido muy grande, sin llegar a la perfección, nuestra respuesta emocional es de rechazo. Habiendo visto el vídeo, es posible que hayáis tenido alguna de estas dos reacciones:

- Os ha encantado y os ha parecido que es casi casi un humano en algunos momentos.

- Os ha dado grima.

Puede que incluso las dos. En el primer caso, vuestra reacción estaría saliendo del valle inquietante. En el segundo, estaría dentro del valle. En cualquier caso, evidentemente este robot está más cerca de salir del valle inquietante que otros, que están sumergidos o en la frontera justo antes de entrar, por ejemplo, esta chica robot.

Esta teoría fue elaborada por un robotista japonés (Masashiro Mori, en 1970), qué raro ¿eh? A mí me ha sorprendido que la teoría tiene ya 40 años. Es decir, que durante todo este tiempo hemos estado “intentando salir” del valle, y parece que ya estamos a punto de conseguirlo ¿Será bueno o malo? No lo sabemos, pero parece que no podemos evitarlo. Bueno, antes de que me vaya por las ramas. La teoría del valle inquietante, aunque elaborada por un robotista, es aplicable a todas las entidades con forma humanoide, como por ejemplo, los peluches. En la gráfica de arriba podéis ver dos líneas. La roja indica que el objeto tiene capacidad de movimiento, lo que en un principio hace que nos guste más, pero al llegar al valle produce más rechazo (nos da miedo). Los objetos que no son capaces de moverse están representados en la línea azul: nos producen menos fascinación y menos rechazo. Los peluches, por ejemplo, están situados antes del valle, por lo que nuestra respuesta emocional es positiva. Sin embargo, un cadáver, sería un objeto humanoide que no se mueve, nos produce cierto rechazo, pero no tanto como un robot que parezca humano pero no sea perfecto, un zombi u otro tipo de “monstruos” ¿Os habéis fijado que dan más miedo los mosntruos parecidos a nosotros (The Ring) que los monstruos gigantescos y deformes (películas de dinosaurios, por ejemplo)?

Por último, me gustaría lanzaros una encuesta ¿Qué reacción habéis tenido al ver el vídeo? ¿Diríais que el robot está dentro o fuera del valle?

Entradas Relacionadas

• Sillas de ruedas controladas con la mente y una IA
• Planificador de visisitas turísticas inteligente
• 10 IAs de ficción famosas

Investigadores de la Escuela Politécnica Superior de Lausanne, en Suiza, están desarrollando una silla de ruedas controlada con la mente. Como otros sistemas similares, se basa en lecturas EEG (electroencefalografía) para detectar patrones específicos en las ondas del cerebro. El chico de la imagen superior, aunque da un poco de grima, tiene esa caperuza porque están registrando su actividad cerebral, en forma de ondas. Las lecturas EEG están respaldadas por una Inteligencia Artificial, que permite a los investigadores mantener un “control compartido” de la silla de ruedas. La IA recibe datos de dos cámaras, y procesa las imágenes para controlar el movimiento (algo parecido a lo que hace BigDog, o Project Natal ¿Os acordáis?). De esta forma, la IA ayuda a prevenir obstáculos. El software también es capaz de distinguir entre distintos tipos de objetos. Según los investigadores, podría rodear una cabina o acercarse hasta la mesa del escritorio. Potencialmente podría reconocer la propia mesa y evitar las demás.

A continuación, un vídeo con una demostración y algunos comentarios (en inglés, pero fácil de entender) de José R. Millán, encargado del proyecto.

Por otra parte, Toyota también está en un proyecto similar. En su vídeo demostrativo podemos ver unas cuantas demostraciones de habilidad por parte del “piloto”. Según Toyota, su sistema es el más rápido, ya que otras sillas requieren de varios segundos para detectar y analizar las ondas cerebrales, mientras que la suya sólo requiere de 125 milisegundos para captar la orden y ejecutar el movimiento.

Parece que la carrera tecnológica está servida ¿Vosotros qué pensáis, viendo los dos vídeos?

Entradas Relacionadas

• Robot casi humano y la teoría del “Valle Inquietante”
• ¿Cómo funciona BigDog, el “perro” de Boston Dynamics?
• Google AI Challenge