Un equipo de investigadores de la Universidad de Cornell (en Nueva York, Estados Unidos) ha desarrollado un modelo de aprendizaje basado el comportamiento de perros con el objetivo de conocer la perspectiva de los canes en su relación con el entorno y cómo planean sus movimientos.
Estos investigadores se han propuesto "aprender a actuar como un agente visual inteligente en un mundo visual" a partir de un perro y sus movimientos básicos, para descubrir la motivación y la intención detrás de sus acciones.
Los perros, como agentes visuales inteligentes, reconocen alimentos, otros animales y humanos, y obstáculos y reaccionan ante ellos. Los investigadores sujetaron unidades de medición inercial (IMU, por sus siglas en inglés), sensores, al cuerpo y a las articulaciones del perro para registrar su movimiento, y una cámara situada en la cabeza que registra las acciones del can junto con los movimientos correspondientes.
Aprender a actuar como un perro, aprender a planear como un perro y usar los movimientos de los perros como una señal de supervisión para la representación del aprendizaje son los tres problemas que los investigadores enfrentaron durante su trabajo.
Los investigadores generaron 380 vídeos en primera persona, 24.500 fotogramas de movimientos, que emplearon para predecir cómo actúa el perro en el mundo visual en respuesta a varias situaciones, en base a las secuencias de movimientos previamente registradas.
Para determinar cómo planifican los perros sus acciones para resolver una tarea, en este caso, y a partir de pares de imágenes no consecutivas -que muestran el estado inicial y el estado final- y una red neuronal, los investigadores reconstruyeron la secuencia de acciones factibles que permitieran pasar de un estado a otro.
En el caso del tercer problema, aprender desde la perspectiva de un perro, los investigadores compararon la información decodificada de la representación procedente de imitar el comportamiento del perro con una representación generada en una red previamente alimentada para la clasificación de imágenes, partiendo en ambos casos de la misma tarea: una estimación de superficie caminable -el perro camina y sabe por dónde puede hacerlo-.
Esta investigación permitió crear modelos con los que predecir movimientos futuros de un perro así como planear movimientos similares a los del animal, como recogen las conclusiones publicadas en la Universidad de Cornell.
El trabajo ha servido para localizar patrones en el movimiento de los perros, en un nuevo enfoque para entrenar sistemas de inteligencia artificial directamente desde los datos recogidos de los canes.
Los resultados podrán aplicarse a creaciones robóticas, como un perro robot. A este respecto, la responsable de la investigación, Kiana Ehsani, ha declarado a The Verge que "saber cómo se mueven y dónde van, o si los perros "quieren cazar algo" son cuestiones que ayudarán a "crear un perro robot mejor y más eficiente".
