Explorando la robótica social

El equipo SinfonIA Pepper Team representó a la Alianza SinfonIA —compuesta por Bancolombia, la Universidad de los Andes, la Universidad Santo Tomás y la Universidad del Magdalena— en la liga @Home de Robocup en Sydney, Australia, donde obtuvo el cuarto puesto dentro de la categoría Social Standard Platform League.

El equipo ganador de la competencia fue UTS Unleashed de la Universidad de Tecnología de Sidney, mientras que, en segundo lugar, quedó el equipo UChile Peppers de la Universidad de Chile.

Tras su participación en RoboCup, los esfuerzos del equipo SinfonIA Pepper Team se centrarán en desarrollar aplicaciones para la comunidad Uniandina y preparar la participación en la próxima edición de este evento que se llevará a cabo en Bordeaux, Francia, en 2020.

Otro punto a destacar de la participación en RoboCup este año es el hecho de que tres miembros de la Alianza SinfonIA quedaron en la junta técnica de la liga @Home; dos en el comité organizador (los estudiantes uniandinos Juan José García y Juan David García) y uno en el comité técnico (el profesor instructor Carlos Quintero). Las funciones de estos comités radican en colaborar con el comité local de Bordeaux para complementar la organización de RoboCup 2020, específicamente de la liga @Home, y de escribir el libro de reglas que regirá la competencia del mismo, respectivamente.

Proyectos realizados en 2019

Atención al cliente por medio de reconocimiento facial
El proyecto es realizado por la estudiante Adelaida Zuluaga, pretende que el robot identifique a los usuarios a partir de técnicas de reconocimiento facial. Una de las mayores contribuciones de este proyecto es que dota de capacidades locales al robot para la identificación y reconocimiento de personas. 

Ópera aprende a jugar línea 4 mediante Aprendizaje por Refuerzo
El proyecto realizado por el estudiante Juan José García, busca que Ópera aprenda a crear estrategias que le permitan desenvolverse en juegos de mesa de dos participantes. Para ello, se tomó como marco de pruebas el juego Línea 4. 
Para aprender a partir de la experiencia, se aplicó aprendizaje por refuerzo, en específico, el algoritmo de Q-learning con red neuronal. Se diseñaron oponentes, variando el nivel de complejidad de sus jugadas, a partir de teoría de juegos, con métodos como expectimax y minimax. 

Proyectos para 2020

Comparación del desempeño de técnicas de pruning
El proyecto realizado por el estudiante Juan David García busca reducir la complejidad de redes neuronales profundas a través de técnicas de pruning, de tal forma que estos modelos puedan ser utilizados en dispositivos con recursos computacionales limitados, cómo Ópera, sin comprometer la precisión de la clasificación. Este proyecto abre la posibilidad de poder cargar modelos de clasificación de objetos dentro del robot, y poder correrlos como servicios locales, permitiendo así una redundancia con los servicios en la nube.

Navegación basada en Aprendizaje por Refuerzo
El proyecto realizado por el estudiante Cesar Garrido tiene como propósito que Ópera aprenda a partir de su experiencia a desplazarse en entornos cerrados, dirigiéndose a personas y/o destinos sin colisionar con objetos o personas circulando en el entorno. Se tiene como hipótesis que, a parte de este método, las trayectorias que planeará y recorrerá el robot serán suaves y reactivas.

Reconocimiento de órdenes multimodales en la interacción humano-robot, para un asistente de laboratorio
El proyecto realizado por el estudiante de maestría Jorge Mora, pretende dotar al robot de capacidades para el reconocimiento de órdenes y de reglas que deben ser cumplidas dentro de un ambiente de laboratorio. Para ello, el robot debe ser capaz de reconocer su nombre, gestos que indiquen su llamado, situaciones de riesgo dentro del laboratorio y dar alertas necesarias para el cumplimiento de las mismas.