{"id":583428,"date":"2023-04-20T08:13:44","date_gmt":"2023-04-20T08:13:44","guid":{"rendered":"https:\/\/magazineoffice.com\/los-drones-pueden-navegar-mejor-en-entornos-desconocidos-con-la-ayuda-de-redes-neuronales-liquidas\/"},"modified":"2023-04-20T08:13:48","modified_gmt":"2023-04-20T08:13:48","slug":"los-drones-pueden-navegar-mejor-en-entornos-desconocidos-con-la-ayuda-de-redes-neuronales-liquidas","status":"publish","type":"post","link":"https:\/\/magazineoffice.com\/los-drones-pueden-navegar-mejor-en-entornos-desconocidos-con-la-ayuda-de-redes-neuronales-liquidas\/","title":{"rendered":"Los drones pueden navegar mejor en entornos desconocidos con la ayuda de redes neuronales l\u00edquidas"},"content":{"rendered":"<p> <br \/>\n<\/p>\n<div>\n<p>Los drones tienen una amplia gama de aplicaciones, pero enviarlos a entornos desconocidos puede ser un desaf\u00edo.  Ya sea que se entregue un paquete, se monitoree la vida silvestre o se realicen misiones de b\u00fasqueda y rescate, saber c\u00f3mo navegar en entornos nunca antes vistos (o en aquellos que han cambiado significativamente) es fundamental para que un dron complete las tareas de manera efectiva.  Investigadores del Instituto Tecnol\u00f3gico de Massachusetts (MIT) creen que han encontrado una forma m\u00e1s efectiva de ayudar a los drones a volar a trav\u00e9s de espacios desconocidos, gracias a las redes neuronales l\u00edquidas.<\/p>\n<p>El MIT cre\u00f3 sus redes neuronales l\u00edquidas, que est\u00e1n inspiradas en la adaptabilidad de los cerebros org\u00e1nicos, en 2021. Los algoritmos de inteligencia artificial y aprendizaje autom\u00e1tico pueden aprender y adaptarse a nuevos datos en el mundo real, no solo mientras est\u00e1n siendo entrenados.  Pueden pensar sobre la marcha, en otras palabras.<\/p>\n<p><span id=\"end-legacy-contents\"\/><\/p>\n<p>Pueden comprender informaci\u00f3n que es cr\u00edtica para la tarea de un dron mientras descartan caracter\u00edsticas irrelevantes de un entorno, se\u00f1alan los investigadores.  Las redes neuronales l\u00edquidas tambi\u00e9n pueden \u00abcapturar din\u00e1micamente la verdadera causa y efecto de su tarea asignada\u00bb, seg\u00fan un art\u00edculo publicado en <em>Ciencia Rob\u00f3tica. <\/em>Esta es \u00abla clave para el desempe\u00f1o s\u00f3lido de las redes l\u00edquidas en los turnos de distribuci\u00f3n\u00bb.<\/p>\n<p><figure class=\"iframe-container\"><iframe loading=\"lazy\" title=\"Drones navigate unseen environments with liquid neural networks\" width=\"640\" height=\"360\" src=\"https:\/\/www.youtube.com\/embed\/RPFbk6D_dNw?feature=oembed\" frameborder=\"0\" allow=\"accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share\" referrerpolicy=\"strict-origin-when-cross-origin\" allowfullscreen><\/iframe><\/figure>\n<\/p>\n<p>Las redes neuronales l\u00edquidas superaron a otros enfoques de las tareas de navegaci\u00f3n, se\u00f1alaron los investigadores en el art\u00edculo.  Los algoritmos \u00abmostraron destreza para tomar decisiones confiables en dominios desconocidos como bosques, paisajes urbanos y entornos con ruido, rotaci\u00f3n y oclusi\u00f3n adicionales\u00bb, dijo la universidad en un comunicado de prensa.<\/p>\n<p>El MIT se\u00f1ala que los sistemas de aprendizaje profundo pueden fallar cuando se trata de comprender la causalidad y no siempre pueden adaptarse a diferentes entornos o condiciones.  Eso plantea un problema para los drones, que deben poder reaccionar r\u00e1pidamente ante los obst\u00e1culos.<\/p>\n<p>\u00abNuestros experimentos demuestran que podemos ense\u00f1ar a un dron a ubicar un objeto en un bosque durante el verano y luego desplegar el modelo en invierno, con un entorno muy diferente, o incluso en entornos urbanos con tareas variadas como buscar y seguir\u00bb, dijo Computer. La directora del Laboratorio de Ciencia e Inteligencia Artificial (CSAIL), profesora del MIT y coautora del art\u00edculo, Daniela Rus, dijo en un comunicado: \u00abEsta adaptabilidad es posible gracias a los fundamentos causales de nuestras soluciones. Estos algoritmos flexibles podr\u00edan alg\u00fan d\u00eda ayudar en la toma de decisiones basada en en flujos de datos que cambian con el tiempo, como diagn\u00f3sticos m\u00e9dicos y aplicaciones de conducci\u00f3n aut\u00f3noma\u00bb.<\/p>\n<p>Los investigadores entrenaron su sistema con datos capturados por un piloto humano.  Esto les permiti\u00f3 dar cuenta de la capacidad del piloto para usar sus habilidades de navegaci\u00f3n en nuevos entornos que han sufrido cambios significativos en las condiciones y el paisaje.  Al probar las redes neuronales l\u00edquidas, los investigadores descubrieron que los drones pod\u00edan rastrear objetivos en movimiento, por ejemplo.  Sugieren que unir datos limitados de fuentes expertas con una capacidad mejorada para comprender nuevos entornos podr\u00eda hacer que las operaciones con drones sean m\u00e1s confiables y eficientes.<\/p>\n<p>\u201cEl aprendizaje s\u00f3lido y el rendimiento en tareas y escenarios fuera de distribuci\u00f3n son algunos de los problemas clave que el aprendizaje autom\u00e1tico y los sistemas rob\u00f3ticos aut\u00f3nomos tienen que superar para avanzar m\u00e1s en las aplicaciones cr\u00edticas de la sociedad\u201d, dice Alessio Lomuscio, PhD, profesor de AI Safety. (en el Departamento de Inform\u00e1tica) del Imperial College London.  \u00abEn este contexto, el rendimiento de las redes neuronales l\u00edquidas, un nuevo paradigma inspirado en el cerebro desarrollado por los autores del MIT, informado en este estudio, es notable\u00bb.<\/p>\n<\/div>\n<p><br \/>\n<br \/><a href=\"https:\/\/magazineoffice.com\/\">Source link-47<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Los drones tienen una amplia gama de aplicaciones, pero enviarlos a entornos desconocidos puede ser un desaf\u00edo. Ya sea que se entregue un paquete, se monitoree la vida silvestre o&hellip;<\/p>\n","protected":false},"author":1,"featured_media":583430,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[21981],"tags":[268,133,9903,12903,41731,72393,8,166,23772,52968,2964,2186],"_links":{"self":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts\/583428"}],"collection":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/comments?post=583428"}],"version-history":[{"count":1,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts\/583428\/revisions"}],"predecessor-version":[{"id":583431,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts\/583428\/revisions\/583431"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/media\/583430"}],"wp:attachment":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/media?parent=583428"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/categories?post=583428"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/tags?post=583428"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}