Suscríbete al boletín semanal

Recibe cada semana los contenidos más relevantes de la actualidad científica.

Si estás registrado

No podrás conectarte si excedes diez intentos fallidos.

Si todavía no estás registrado

La Agencia SINC ofrece servicios diferentes dependiendo de tu perfil.

Selecciona el tuyo:

Periodistas Instituciones
Si estás registrado

No podrás conectarte si excedes diez intentos fallidos.

Si todavía no estás registrado

La Agencia SINC ofrece servicios diferentes dependiendo de tu perfil.

Selecciona el tuyo:

Periodistas Instituciones
Premio al mejor artículo en la última Conferencia Española para la IA

Un nuevo sistema de inteligencia artificial permite planificar tareas con pocos recursos diez veces más deprisa

Científicos de la Universidad Carlos III de Madrid (UC3M) presentan una nueva técnica de creación automática de planes basada en inteligencia artificial (IA) que permite resolver problemas con mucha mayor rapidez que las metodologías actuales cuando los recursos son limitados. Encuentra aplicación en sectores como la logística, el control autónomo de robots, la extinción de incendios o la enseñanza on-line.

Crédito: UC3M

Investigadores de la Universidad Carlos III de Madrid (UC3M) han desarrollado una nueva metodología para resolver problemas de planificación automática, un campo de la inteligencia artificial (IA), especialmente cuando hay más metas de las que se pueden alcanzar. La idea es conseguir que el sistema encuentre por sí solo una secuencia ordenada de acciones que permitan alcanzar unos objetivos en un estado final a partir de la situación y recursos iniciales.

En una red de mercancías, estas técnicas permiten optimizar las rutas y modos de transporte, por horarios y productos

Por ejemplo, ante un conjunto de camiones y mercancías, estas técnicas permiten optimizar mediante planificación automática las mejores rutas y modos de transporte, por horarios y productos. La metodología presentada por estos científicos permitiría, en este caso, crear planes en situaciones en las que no se pueden entregar todos los paquetes, como ocurre cuando el tiempo necesario para hacerlo es mayor que el disponible porque no se dispone de los recursos adecuados. De esta forma, el sistema intentaría encontrar un plan mediante el que se entregara el mayor número posible de mercancías, minimizando el coste.

La investigación tiene premio

El sistema que proponen estos científicos es capaz de encontrar soluciones equivalentes o mejores que las de otras técnicas existentes, además de hacerlo mucho más rápido, cuando existe una limitación en los recursos a utilizar. "En tiempo, nuestra técnica es entre tres y diez veces más rápida, mientras que en calidad las soluciones que conseguimos son similares a las de la mejor técnica disponible actualmente", revela uno de los investigadores, Ángel García Olaya, del grupo de PLG del Departamento de Informática de la UC3M.

"Ahora –indica García– estamos realizando modificaciones con las que esperamos conseguir mejorar la calidad de nuestras soluciones". Este estudio ha sido presentado en la última Conferencia Española para la Inteligencia Artificial (CAEPIA) de Tenerife, donde recibió el premio al mejor artículo. Además, también se ha publicado recientemente como Lecture Notes in Computer Science por Springer. Esta investigación de la UC3M ha contado con financiación de la Comunidad de Madrid y el Ministerio de Ciencia e Innovación.

Se puede aplicar en cualquier sector en el que tenga sentido implementar la planificación automática, como ya se hace en el caso de la extinción de incendios, el control autónomo de robots, la enseñanza on-line, la logística, etc. En este último campo, de hecho, estos investigadores ya realizaron un proyecto con Acciona para la gestión de su división de logística, subvencionado por el Ministerio de Industria, Turismo y Comercio.

En concreto, crearon un sistema de planificación automática para el transporte multimodal de mercancías. Los datos que se proporcionaban al sistema eran las posiciones de los camiones, así como los horarios de barcos y trenes de transporte, junto a las características de los pedidos de los clientes (situación de contenedores, ruta, tipo de mercancía). Con esta información, el sistema decidía primero qué camión y contenedor debía realizar cada servicio, para después calcular la ruta a seguir, el orden de reparto y, si hiciera falta, cambiar el método de transporte (camión, tren y barco).

Cuando la realidad no es perfecta

"En los entornos reales ocurre muy a menudo que no existe ningún plan que alcance todas las metas por limitaciones de algún recurso, como tiempo, dinero, combustible, batería, etc., y aquí es donde se puede usar la metodología propuesta en el artículo", explica García . Los investigadores lo han probado en una serie de dominios que simulan entornos reales y que son los habituales en la comunidad de planificación y ya se ha integrado en una arquitectura para el control autónomo de robots en la que está trabajando el grupo.

De hecho, la NASA ya ha utilizado la planificación automática para el control autónomo de los rovers Spirit y Opportunity que viajaron a Marte hace unos años. En este caso, se trataba de un sistema de iniciativa mixta en el que los operadores de los rovers utilizaban un planificador para crear los planes (movimientos, tomas de muestras, fotos, etc.) de los dos vehículos robotizados.

El planificador tenía en cuenta todas las restricciones de funcionamiento y creaba un plan que podía ser modificado por los operadores. Posteriormente, este plan, convenientemente comprobado para evitar cualquier inconsistencia, se radiaba a los rovers para que lo ejecutaran. Actualmente, el grupo PLG está aplicando las técnicas desarrolladas en un proyecto con la Agencia Espacial Europea (ESA) sobre planificación de operaciones de observación en el espacio.

Referencia bibliográfica:

Ángel García Olaya, Tomás de la Rosa y Daniel Borrajo. "Using the Relaxed Plan Heuristic to Select Goals in Oversubscription Planning Problems". Lecture Notes in Computer Science, 2011. Volumen 7023/2011, 183-192, DOI: 10.1007/978-3-642-25274-7_19

Fuente: UC3M
Derechos: Creative Commons
Artículos relacionados
Determinada la cantidad de luz ultravioleta que inactiva el coronavirus

Para eliminar el 99 % del virus SARS-CoV-2 con luz ultravioleta se necesita una dosis de energía de 21,6 julios por metro cuadrado, según un estudio liderado por la Universidad Complutense de Madrid. La técnica se ha probado en ascensores y sistemas de transporte.

Un nuevo modelo predice la eficacia de los confinamientos para frenar epidemias como la covid19

Técnicas de ‘machine learning’ permiten predecir, a partir de datos satelitales, si la reducción de la actividad económica minimiza los contagios. Con este modelo, que cuenta con participación española, se podrán afinar mejor los tiempos y el grado de las medidas de confinamiento.