Why Don’t We Have Better Robots Yet? | Ken Goldberg | TED

200,011 views ・ 2024-03-28

TED


Haga doble clic en los subtítulos en inglés para reproducir el vídeo.

Traductor: Angel Covarrubias Revisor: Sebastian Betti
00:04
I have a feeling most people in this room would like to have a robot at home.
0
4268
5739
Presiento que la mayoría de personas aquí les gustaría tener un robot en sus casas.
00:10
It'd be nice to be able to do the chores and take care of things.
1
10041
3603
Que pudiera realizar quehaceres y encargarse de las cosas.
00:13
Where are these robots?
2
13677
1168
¿Dónde están estos robots?
00:14
What's taking so long?
3
14879
1601
¿Por qué están tardando?
00:16
I mean, we have our tricorders,
4
16514
2636
Es decir, tenemos nuestros tricorders,
00:19
and we have satellites.
5
19183
2603
y tenemos satélites.
00:22
We have laser beams.
6
22253
2169
Tenemos rayos láser.
00:24
But where are the robots?
7
24755
1935
Pero, ¿dónde están los robots?
00:26
(Laughter)
8
26690
1502
(Risas)
00:28
I mean, OK, wait, we do have some robots in our home,
9
28225
3170
Bueno, esperen, sí tenemos algunos robots en nuestras casas,
00:31
but, not really doing anything that exciting, OK?
10
31395
4238
pero en realidad no estamos haciendo nada emocionante, ¿de acuerdo?
00:35
(Laughter)
11
35666
1268
(Risas)
00:36
Now I've been doing research at UC Berkeley for 30 years
12
36967
4205
Llevo 30 años investigando sobre robots en la Universidad de California en Berkeley
00:41
with my students on robots,
13
41205
2703
con mis alumnos,
00:43
and in the next 10 minutes,
14
43941
1435
y en los próximos 10 minutos
00:45
I'm going to try to explain the gap between fiction and reality.
15
45409
4805
trataré de explicar la brecha entre la ficción y la realidad.
00:50
Now we’ve seen images like this, right?
16
50514
2803
Bien, hemos visto imágenes como esta, ¿no?
00:53
These are real robots.
17
53350
1235
Son robots de verdad.
00:54
They're pretty amazing.
18
54585
1201
Son bastante asombrosos.
00:55
But those of us who work in the field,
19
55820
1868
Pero los que trabajamos en el campo,
00:57
well, the reality is more like this.
20
57721
2036
bueno, la realidad es más parecida a esta.
00:59
(Laughter)
21
59757
2502
(Risas)
01:02
That's 99 out of 100 times, that's what happens.
22
62293
3203
Eso es lo que pasa 99 de cada 100 veces.
01:05
And in the field, there's something that explains this
23
65529
2836
Y en el campo, hay algo que explica esto
01:08
that we call Moravec's paradox.
24
68399
2302
y que llamamos la Paradoja de Moravec.
01:10
And that is, what's easy for robots,
25
70734
2069
Y dice que, lo que es fácil para los robots,
01:12
like being able to pick up a large object,
26
72837
3570
como poder levantar un objeto grande,
01:16
large, heavy object,
27
76440
1268
un objeto grande y pesado,
01:17
is hard for humans.
28
77708
2202
es difícil para los humanos.
01:20
But what's easy for humans,
29
80377
2369
Pero lo que es fácil para los humanos,
01:22
like being able to pick up some blocks and stack them,
30
82780
3804
como poder levantar algunos bloques y apilarlos,
01:26
well, it turns out that is very hard for robots.
31
86584
3970
resulta que eso es muy difícil para los robots.
01:31
And this is a persistent problem.
32
91388
2236
Y este es un problema persistente.
01:33
So the ability to grasp arbitrary objects is a grand challenge for my field.
33
93657
6307
Por lo cual, la capacidad de tomar objetos arbitrarios es un gran desafío del campo.
01:40
Now by the way, I was a very klutzy kid.
34
100531
4204
Por cierto, yo era un niño muy torpe.
01:44
(Laughter)
35
104735
1301
(Risas)
01:46
I would drop things.
36
106070
1168
Se me caían las cosas.
01:47
Any time someone would throw me a ball, I would drop it.
37
107271
2636
Cada vez que alguien me lanzaba una pelota, se me caía.
01:49
I was the last kid to get picked on a basketball team.
38
109940
2703
Era último niño en ser elegido en un equipo de baloncesto.
01:52
I'm still pretty klutzy, actually,
39
112676
1635
De hecho, sigo siendo bastante torpe, pero
01:54
but I have spent my entire career studying how to make robots less clumsy.
40
114345
5472
he dedicado toda mi carrera a estudiar cómo hacer a los robots menos torpes.
02:00
Now let's start with the hardware.
41
120484
1935
Ahora, empecemos con el hardware.
02:02
So the hands.
42
122453
2069
Bien, las manos.
02:04
Now this is a robot hand, a particular type of hand.
43
124555
3337
Esta es una mano robótica, un tipo particular de mano.
02:07
It's a lot like our hand.
44
127925
1235
Se parece mucho a nuestra mano.
02:09
And it has a lot of motors, a lot of tendons
45
129193
3470
Y tiene muchos motores, muchos tendones
02:12
and cables as you can see.
46
132696
1535
y cables, como pueden ver.
02:14
So it's unfortunately not very reliable.
47
134265
2602
Por lo que lamentablemente no es muy fiable.
02:16
It's also very heavy and very expensive.
48
136901
2435
También es muy pesada y muy cara.
02:19
So I'm in favor of very simple hands, like this.
49
139637
3803
Por eso estoy a favor de unas manos muy sencillas, como esta.
02:23
So this has just two fingers.
50
143440
2403
Así que tiene solo dos dedos.
02:25
It's known as a parallel jaw gripper.
51
145876
1769
Se le conoce como pinza de mandíbula paralela.
02:28
So it's very simple.
52
148012
1535
Así que es muy sencilla.
02:29
It's lightweight and reliable and it's very inexpensive.
53
149580
4438
Es ligera, fiable y es muy económica.
02:34
And if you're doubting that simple hands can be effective,
54
154652
3970
Y si dudan de que unas manos sencillas puedan ser eficaces,
02:38
look at this video where you can see that two very simple grippers,
55
158622
4371
miren este video en el que dos pinzas muy sencillas,
que por cierto, están siendo operadas por humanos,
02:43
these are being operated, by the way,
56
163027
1935
02:44
by humans who are controlling the grippers like a puppet.
57
164995
2903
que las controlan como si fueran marionetas.
02:47
But very simple grippers are capable of doing very complex things.
58
167898
3504
Pero unas pinzas muy sencillas son capaces de hacer cosas muy complejas.
02:51
Now actually in industry,
59
171435
1468
De hecho, en la industria,
02:52
there’s even a simpler robot gripper, and that’s the suction cup.
60
172937
3703
hay incluso una pinza robótica más sencilla, y esa es la ventosa.
02:56
And that only makes a single point of contact.
61
176674
2469
Y esa solo hace un único punto de contacto.
02:59
So again, simplicity is very helpful in our field.
62
179176
3037
De nuevo, la simplicidad es muy útil en nuestro campo.
03:02
Now let's talk about the software.
63
182646
2169
Ahora hablemos del software.
03:04
This is where it gets really, really difficult
64
184815
3203
Aquí es donde las cosas se ponen muy, muy difíciles
03:08
because of a fundamental issue, which is uncertainty.
65
188018
4004
debido a una cuestión fundamental, que es la incertidumbre.
03:12
There's uncertainty in the control.
66
192356
2202
Hay incertidumbre en el control.
03:14
There’s uncertainty in the perception.
67
194592
2135
Hay incertidumbre en la percepción.
03:16
And there’s uncertainty in the physics.
68
196760
2169
Y hay incertidumbre en la física.
03:19
Now what do I mean by the control?
69
199463
1668
Ahora, ¿a qué me refiero con el control?
03:21
Well if you look at a robot’s gripper trying to do something,
70
201165
3670
Bueno, si nos fijamos en la pinza de un robot que intenta hacer algo,
03:24
there's a lot of uncertainty in the cables and the mechanisms
71
204868
3904
hay mucha incertidumbre en los cables y los mecanismos,
03:28
that cause very small errors.
72
208806
2102
lo que provoca errores muy pequeños.
03:30
And these can accumulate and make it very difficult to manipulate things.
73
210908
4104
Y estos pueden acumularse y hacer que sea muy difícil manipular las cosas.
03:36
Now in terms of the sensors, yes,
74
216046
2002
En cuanto a los sensores, sí,
03:38
robots have very high-resolution cameras just like we do,
75
218082
3803
los robots tienen cámaras de muy alta resolución, al igual que nosotros,
03:41
and that allows them to take images of scenes in traffic
76
221919
3904
y eso les permite tomar imágenes de escenas en el tráfico
03:45
or in a retirement center,
77
225856
1668
o en un centro de retiro,
03:47
or in a warehouse or in an operating room.
78
227558
3136
en un almacén o en un quirófano.
03:50
But these don't give you the three-dimensional structure
79
230694
2670
Pero estas no nos dan la estructura tridimensional
03:53
of what's going on.
80
233364
1334
de lo que está sucediendo.
03:54
So recently, there was a new development called LIDAR,
81
234999
3503
Hace poco, se produjo un nuevo desarrollo llamado LIDAR,
03:58
and this is a new class of cameras that use light beams to build up
82
238535
4505
y se trata de una nueva clase de cámaras que utilizan haces de luz para crear
04:03
a three-dimensional model of the environment.
83
243073
2436
un modelo tridimensional del entorno.
04:06
And these are fairly effective.
84
246277
1768
Y son bastante eficaces.
04:08
They really were a breakthrough in our field, but they're not perfect.
85
248078
4171
Realmente marcaron un gran avance en nuestro campo, pero no son perfectos.
04:12
So if the objects have anything that's shiny or transparent,
86
252283
5005
Ya que, si los objetos tienen algo brillante o transparente,
04:17
well, then the light acts in unpredictable ways,
87
257288
2435
entonces la luz actúa de manera impredecible
04:19
and it ends up with noise and holes in the images.
88
259757
2335
y termina con ruido y agujeros en las imágenes.
04:22
So these aren't really the silver bullet.
89
262126
2002
Así que realmente esta no fue la solución mágica.
04:24
And there’s one other form of sensor out there now called a “tactile sensor.”
90
264595
4171
Y ahora existe otro tipo de sensor llamado “sensor táctil”.
04:28
And these are very interesting.
91
268766
1501
Y son muy interesantes.
04:30
They use cameras to actually image the surfaces
92
270301
3203
Utilizan cámaras para obtener imágenes reales de las superficies,
04:33
as a robot would make contact,
93
273504
2135
al momento en el que robot haga contacto,
04:35
but these are still in their infancy.
94
275673
1935
pero esto aún está en pañales.
04:38
Now the last issue is the physics.
95
278242
2702
Ahora el último tema es la física.
04:40
And let me illustrate for you by showing you,
96
280978
3203
Y permítanme ilustrarlos mostrándoles que cuando
04:44
we take a bottle on a table
97
284214
1769
colocamos una botella sobre una mesa
04:45
and we just push it,
98
285983
1168
y solo la empujamos,
04:47
and the robot's pushing it in exactly the same way each time.
99
287184
3403
y el robot la empuja exactamente de la misma manera cada vez.
04:50
But you can see that the bottle ends up in a very different place each time.
100
290621
4471
Pero pueden ver que la botella termina en un lugar muy diferente cada vez.
04:55
And why is that?
101
295125
1168
¿Y por qué?
04:56
Well it’s because it depends on the microscopic surface topography
102
296327
4871
Bueno, es porque depende de la topografía microscópica de la superficie
05:01
underneath the bottle as it slid.
103
301198
2603
debajo de la botella mientras se deslizaba.
05:03
For example, if you put a grain of sand under there,
104
303834
2469
Por ejemplo, si colocas un grano de arena ahí abajo,
05:06
it would react very differently than if there weren't a grain of sand.
105
306337
3536
reaccionaría de forma muy diferente que si no hubiera un grano de arena.
05:09
And we can't see if there's a grain of sand because it's under the bottle.
106
309873
3804
Y no podemos ver si hay un grano de arena porque está debajo de la botella.
05:14
It turns out that we can predict the motion of an asteroid
107
314311
3937
Resulta que podemos predecir el movimiento de un asteroide
05:18
a million miles away,
108
318248
2636
a millones de kilómetros de distancia,
05:20
far better than we can predict the motion of an object
109
320918
3170
mucho mejor de lo que podemos predecir el movimiento de un objeto
05:24
as it's being grasped by a robot.
110
324121
2002
mientras lo agarra un robot.
05:27
Now let me give you an example.
111
327391
2169
Ahora permítanme darles un ejemplo.
05:29
Put yourself here into the position of being a robot.
112
329593
3537
Imaginen que son ahora un robot.
05:33
You're trying to clear the table
113
333731
1534
Intentas despejar la mesa
05:35
and your sensors are noisy and imprecise.
114
335265
2570
y tus sensores son ruidosos e imprecisos.
05:37
Your actuators, your cables and motors are uncertain,
115
337835
3436
Sus actuadores, cables y motores son inciertos,
05:41
so you can't fully control your own gripper.
116
341305
2369
por lo que no puedes controlar ni tu propia pinza.
05:43
And there's uncertainty in the physics,
117
343707
2102
Además, existe incertidumbre en la física,
05:45
so you really don't know what's going to happen.
118
345809
2303
por lo que realmente no sabes lo que va a pasar.
05:48
So it's not surprising that robots are still very clumsy.
119
348145
3604
Así que no es sorprendente que los robots sigan siendo muy torpes.
05:52
Now there's one sweet spot for robots, and that has to do with e-commerce.
120
352883
4805
Ahora, hay algo a favor para los robots, y ese es el comercio electrónico.
05:57
And this has been growing, it's a huge trend.
121
357721
2102
Y esto ha ido en aumento, es una tendencia enorme.
05:59
And during the pandemic, it really jumped up.
122
359857
3036
Y durante la pandemia, realmente aumentó.
06:02
I think most of us can relate to that.
123
362926
2336
Creo que la mayoría nos podemos identificar con eso.
06:05
We started ordering things like never before,
124
365829
2570
Empezamos a pedir cosas como nunca antes,
06:08
and this trend is continuing.
125
368432
1735
y esta tendencia continúa.
06:10
And the challenge is to meet the demand,
126
370200
2770
Y el desafío es satisfacer la demanda,
06:13
we have to be able to get all these packages delivered in a timely manner.
127
373003
4972
tenemos que poder entregar todos estos paquetes de manera oportuna.
06:18
And the challenge is that every package is different,
128
378575
2503
Y el desafío es que cada paquete es diferente,
06:21
every order is different.
129
381078
1234
cada pedido es diferente.
06:22
So you might order some some nail polish and an electric screwdriver.
130
382346
5939
Así que puede que pidas un esmalte de uñas y un destornillador eléctrico.
06:28
And those two objects are going to be
131
388652
2770
Y esos dos objetos van a estar
06:31
somewhere inside one of these giant warehouses.
132
391455
3036
en algún lugar dentro de uno de estos almacenes gigantes.
06:34
And what needs to be done is someone has to go in,
133
394925
2336
Y lo que se necesita es que alguien entre,
06:37
find the nail polish and then go and find the screwdriver,
134
397294
2769
busque el esmalte de uñas y luego vaya por el destornillador,
06:40
bring them together, put them into a box and deliver them to you.
135
400063
3204
juntarlos, ponerlos en una caja y entregarlos.
06:43
So this is extremely difficult, and it requires grasping.
136
403300
3137
Así que esto es extremadamente difícil y requiere agarrar cosas.
06:46
So today, this is almost entirely done with humans.
137
406437
3136
Así que hoy en día, esto se hace casi en su totalidad con humanos.
06:49
And the humans don't like doing this work,
138
409606
2002
Y a los humanos no les gusta este trabajo,
06:51
there's a huge amount of turnover.
139
411642
1768
hay una enorme cantidad de rotación.
06:53
So it's a challenge.
140
413410
1201
Así que, es un desafío.
06:54
And people have tried to put robots
141
414611
2937
Y la gente ha intentado colocar robots
06:57
into warehouses to do this work.
142
417581
3070
en los almacenes para realizar este trabajo.
07:01
(Laughter)
143
421018
6339
(Risas)
07:08
It hasn't turned out all that well.
144
428192
3937
No ha salido del todo bien.
07:12
But my students and I, about five years ago,
145
432563
3570
Pero mis alumnos y yo, hace unos cinco años,
07:16
we came up with a method, using advances in AI and deep learning,
146
436133
4071
ideamos un método que usaba los avances en I.A y Aprendizaje Profundo
07:20
to have a robot essentially train itself to be able to grasp objects.
147
440204
3903
para que un robot básicamente se entrenara a sí mismo para poder agarrar objetos.
07:24
And the idea was that the robot would do this in simulation.
148
444441
2836
Y la idea era que el robot lo hiciera en forma de simulación.
07:27
It was almost as if the robot were dreaming about how to grasp things
149
447277
3270
Era casi como si el robot soñara con cómo agarrar cosas
07:30
and learning how to grasp them reliably.
150
450581
1935
y aprender a agarrarlas de forma fiable.
07:32
And here's the result.
151
452816
1168
Y este es el resultado.
Se trata de un sistema llamado DEX-net
07:34
This is a system called Dex-net
152
454017
1869
07:35
that is able to reliably pick up objects
153
455919
3270
que puede recoger de forma fiable los objetos
07:39
that we put into these bins in front of the robot.
154
459223
2502
que colocamos en estos contenedores delante del robot.
07:41
These are objects it's never been trained on,
155
461758
2670
Se trata de objetos con los que nunca ha sido entrenado,
07:44
and it's able to pick these objects up
156
464461
1835
y es capaz de recogerlos
07:46
and reliably clear these bins over and over again.
157
466330
2869
y moverlos de forma fiable una y otra vez.
07:49
So we were very excited about this result.
158
469666
2570
Así que estábamos muy entusiasmados con este resultado.
07:52
And the students and I went out to form a company,
159
472269
3003
Los estudiantes y yo fundamos una empresa,
07:55
and we now have a company called Ambi Robotics.
160
475305
3103
y ahora tenemos una empresa llamada Ambi Robotics.
07:58
And what we do is make machines that use the algorithms,
161
478742
4104
Y lo que hacemos es fabricar máquinas que utilizan los algoritmos,
08:02
the software we developed at Berkeley,
162
482880
2268
el software que desarrollamos en Berkeley,
08:05
to pick up packages.
163
485148
1936
para recoger paquetes.
08:07
And this is for e-commerce.
164
487117
1902
Y esto es para el comercio electrónico.
08:09
The packages arrive in large bins, all different shapes and sizes,
165
489052
3504
Estos llegan en contenedores grandes, de diferentes formas y tamaños,
08:12
and they have to be picked up,
166
492589
1468
y tienen que recogerlos,
08:14
scanned and then put into smaller bins depending on their zip code.
167
494057
3337
escanearlos y ponerlos en contenedores más pequeños según su código postal.
Ahora tenemos 80 de estas máquinas en funcionamiento en EE. UU.,
08:18
We now have 80 of these machines operating across the United States,
168
498061
4205
08:22
sorting over a million packages a week.
169
502299
2836
clasificando más de un millón de paquetes a la semana.
08:26
Now that’s some progress,
170
506169
3204
Eso sí que es progreso,
08:29
but it's not exactly the home robot that we've all been waiting for.
171
509406
3837
pero no es exactamente el robot doméstico que todos hemos estado esperando.
08:33
So I want to give you a little bit of an idea
172
513677
2536
Así que quiero darles una pequeña idea de algunas
08:36
of some the new research that we're doing
173
516246
2102
de las nuevas investigaciones que estamos realizando
08:38
to try to be able to have robots more capable in homes.
174
518348
3070
para intentar tener robots más capaces en los hogares.
08:41
And one particular challenge is being able to manipulate deformable objects,
175
521752
4171
Y un desafío particular es poder manipular objetos deformables,
08:45
like strings in one dimension,
176
525956
2102
como cuerdas en una dimensión,
08:48
two-dimensional sheets and three dimensions,
177
528058
3470
Sábanas bidimensionales y tridimensionales,
08:51
like fruits and vegetables.
178
531562
2202
como frutas y verduras.
08:53
So we've been working on a project to untangle knots.
179
533764
3804
Así que hemos estado trabajando en un proyecto para desenredar los nudos.
08:57
And what we do is we take a cable and we put that in front of the robot.
180
537901
4104
Y lo que hacemos es tomar un cable y ponerlo delante del robot.
09:02
It has to use a camera to look down, analyze the cable,
181
542039
2936
Tiene que usar una cámara para mirar abajo, analizar el cable,
09:04
figure out where to grasp it
182
544975
1368
averiguar dónde agarrarlo
09:06
and how to pull it apart to be able to untangle it.
183
546343
2836
y cómo separarlo para poder desenredarlo.
09:09
And this is a very hard problem,
184
549580
1668
Y este es un problema muy difícil,
09:11
because the cable is much longer than the reach of the robot.
185
551248
2903
porque el cable es mucho más largo que el alcance del robot.
09:14
So it has to go through and manipulate, manage the slack as it's working.
186
554184
4438
Así que tiene que manipular y gestionar la holgura a medida que va funcionando.
09:18
And I would say this is doing pretty well.
187
558655
2436
Y yo diría que esto va bastante bien.
09:21
It's gotten up to about 80 percent success
188
561124
2269
Ha tenido un éxito de alrededor del 80 por ciento
09:23
when we give it a tangled cable at being able to untangle it.
189
563427
3203
cuando le damos un cable enredado para poder desenredarlo.
09:27
The other one is something I think we also all are waiting for:
190
567731
3070
El otro es algo que creo que todos estamos esperando:
09:30
robot to fold the laundry.
191
570834
2269
un robot que doble la ropa.
09:33
Now roboticists have actually been looking at this for a long time,
192
573136
4071
Ahora bien, los especialistas en robótica llevan mucho tiempo estudiando este tema,
09:37
and there was some research that was done on this.
193
577240
3037
y se han realizado algunas investigaciones al respecto.
09:40
But the problem is that it's very, very slow.
194
580277
2869
Pero el problema es que es muy, muy lento.
09:43
So this was about three to six folds per hour.
195
583180
5572
Así que esto era de tres a seis veces por hora.
09:48
(Laughter)
196
588785
1902
(Risas)
09:50
So we decided to to revisit this problem
197
590721
3403
Así que decidimos revisar este problema
e intentar que un robot trabajara rápido.
09:54
and try to have a robot work very fast.
198
594124
1902
Y lo que hicimos fue intentar pensar
09:56
So one of the things we did was try to think
199
596059
2069
09:58
about a two-armed robot that could fling the fabric
200
598128
2402
en un robot de dos brazos que pudiera lanzar la tela
10:00
the way we do when we're folding,
201
600530
1602
como nosotros al doblarla,
y también usamos la fricción, en este caso para mover la tela
10:02
and then we also used friction in this case to drag the fabric
202
602132
2903
para remover algunas arrugas.
10:05
to smooth out some wrinkles.
203
605035
1602
10:06
And then we borrowed a trick which is known as the two-second fold.
204
606670
4838
Y luego tomamos prestado un truco que se conoce como el pliegue en dos segundos.
10:11
You might have heard of this.
205
611541
1402
Puede que hayan oído de él.
10:12
It's amazing because the robot is doing exactly the same thing
206
612976
3270
Es increíble porque el robot hace exactamente lo mismo
10:16
and it's a little bit longer, but that's real time,
207
616279
2536
y tarda un poco más, pero es en tiempo real,
10:18
it's not sped up.
208
618849
1168
no está acelerado.
10:20
So we're making some progress there.
209
620017
1968
Así que estamos teniendo progreso en eso.
10:23
And the last example is bagging.
210
623120
1601
Y el último ejemplo es el embolsado.
10:24
So you all encounter this all the time.
211
624755
2168
Todos se topan con esto, todo el tiempo
10:26
You go to a corner store, and you have to put something in a bag.
212
626957
3070
Vas a la tienda y tienes que poner algo en una bolsa.
De nuevo, es fácil para los humanos,
10:30
Now it's easy, again, for humans,
213
630027
1601
10:31
but it's actually very, very tricky for robots
214
631628
3370
pero en realidad es muy, muy difícil para los robots,
porque los humanos saben cómo tomar la bolsa
10:35
because for humans, you know how to take the bag
215
635032
2268
10:37
and how to manipulate it.
216
637300
1235
y cómo manipularla.
10:38
But robots, the bag can arrive in many different configurations.
217
638568
3104
Pero los robots, la bolsa puede estar muchas configuraciones diferentes.
10:41
It’s very hard to tell what’s going on
218
641705
2836
Es muy difícil saber qué está pasando
10:44
and for the robot to figure out how to open up that bag.
219
644541
2769
y que el robot descubra cómo abrir esa bolsa.
10:47
So what we did was we had the robot train itself.
220
647310
4705
Así que lo que hicimos fue hacer que el propio robot se entrenara.
Pintamos una de estas bolsas con pintura fluorescente,
10:52
We painted one of these bags with fluorescent paint,
221
652015
2469
10:54
and we had fluorescent lights that would turn on and off,
222
654518
2702
y teníamos luces fluorescentes que encendían y apagaban,
10:57
and the robot would essentially teach itself how to manipulate these bags.
223
657220
4438
y el robot básicamente aprendía por sí mismo a manipular estas bolsas.
11:01
And so we’ve gotten it now up to the point
224
661692
2035
Y ahora hemos llegado al punto
11:03
where we're able to solve this problem about half the time.
225
663727
3770
en el que podemos resolver este problema aproximadamente la mitad de las veces.
11:07
So it works,
226
667497
1268
Así que funciona,
11:08
but I'm saying, we're still not quite there yet.
227
668765
3737
pero digo que todavía no hemos llegado a ese punto.
11:12
So I want to come back to Moravec's paradox.
228
672502
2303
Así que quiero volver a la Paradoja de Moravec.
11:14
What's easy for robots is hard for humans.
229
674838
2236
Lo que es fácil para robots es difícil para humanos.
11:17
And what's easy for us is still hard for robots.
230
677107
4871
Y lo que es fácil para nosotros sigue siendo difícil para los robots.
11:22
We have incredible capabilities.
231
682412
2369
Tenemos capacidades increíbles.
11:24
We're very good at manipulation.
232
684781
1669
Se nos da muy bien la manipulación.
11:26
(Laughter)
233
686483
1935
(Risas)
11:28
But robots still are not.
234
688418
1769
Pero los robots aún no lo son.
11:31
I want to say, I understand.
235
691421
2236
Quiero decir que lo entiendo.
11:33
It’s been 60 years,
236
693990
2002
Han pasado 60 años,
11:35
and we're still waiting for the robots that the Jetsons had.
237
695992
3838
y seguimos esperando a los robots que tenían Los Supersónicos.
11:40
Why is this difficult?
238
700497
1368
¿Por qué es tan difícil?
11:41
We need robots because we want them to be able to do tasks that we can't do
239
701898
6473
Necesitamos robots porque queremos que hagan tareas que nosotros no podemos hacer
11:48
or we don't really want to do.
240
708405
1835
o que realmente no queremos hacer.
11:50
But I want you to keep in mind that these robots, they're coming.
241
710841
3837
Pero quiero que tengan en cuenta que estos robots están llegando.
11:54
Just be patient.
242
714711
1368
Solo sean pacientes.
11:56
Because we want the robots,
243
716379
2103
Porque queremos los robots,
11:58
but robots also need us
244
718515
2169
pero los robots también nos necesitan
12:00
to do the many things that robots still can't do.
245
720717
4405
para que hagamos las muchas cosas que los robots aún no pueden hacer.
12:06
Thank you.
246
726156
1234
Gracias.
12:07
(Applause)
247
727390
2436
(Aplausos)
Acerca de este sitio web

Este sitio le presentará vídeos de YouTube útiles para aprender inglés. Verá lecciones de inglés impartidas por profesores de primera categoría de todo el mundo. Haz doble clic en los subtítulos en inglés que aparecen en cada página de vídeo para reproducir el vídeo desde allí. Los subtítulos se desplazan en sincronía con la reproducción del vídeo. Si tiene algún comentario o petición, póngase en contacto con nosotros mediante este formulario de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7