El equipo de investigación del National Institute of Standards and Technology (NIST) ha desarrollado AlphaNIST, un sistema de aprendizaje por refuerzo que permite a robots realizar ensamblajes de alta precisión en simulación. A diferencia de los modelos anteriores como AlphaGo, AlphaNIST no se basa en demostraciones humanas, sino que aprende una política de ensamblaje completa desde cero mediante recompensas binarias para el éxito de la tarea.
El sistema enfrenta desafíos técnicos significativos, como la manipulación de piezas de hasta 4 mm con tolerancias mínimas, donde un error de orientación puede causar atascos o hilos cruzados. Además, el robot debe decidir el orden de inserción de componentes para evitar bloqueos mecánicos. La clave de AlphaNIST es la diversidad de la experiencia: una única política se entrena en veinte tareas heterogéneas, utilizando estados iniciales variados almacenados en la simulación en lugar de demostraciones. El método de muestreo beta ajusta el peso de cada estado inicial según el progreso del robot, permitiendo que la práctica de un componente facilite la resolución de otros.
Los resultados muestran que una política generalista supera a veinte especialistas individuales en tareas de ensamblaje de un solo componente. El sistema ha demostrado comportamientos emergentes, como el uso de contactos de punta para girar tornillería o la reorientación de conectores mediante contacto con la placa base, soluciones que los humanos podrían no haber anticipado. Este enfoque destaca la capacidad de los robots para descubrir estrategias creativas cuando se les otorga libertad operativa en lugar de prescripciones detalladas.