En este último evento entramos de lleno en el mundo del Reinforcement Learning, la técnica que permite a los robots aprender a base de prueba, error y recompensas. Aquí es donde el hardware que vimos en la primera sesión cobra vida propia.

Comenzaremos diseñando distintos entornos de aprendizaje por refuerzo en software, y acabaremos pasando estos modelos a la realidad, con hardware real: un robot equilibrista.

En esta sesión veremos:

• 🎯 Fundamentos de RL: Agentes, entornos y funciones de recompensa. Entenderemos cómo "piensa" una IA cuando intenta resolver un problema físico.

• 🧪 Entrenamiento en Simulación: Configuraremos el entorno de Gymnasium para entrenar un modelo desde cero y optimizarlo utilizando Stable Baselines 3.

• 🚀 El Salto al Hardware (Sim-to-Real): Cómo exportar el modelo y cargarlo directamente en nuestro robot para lograr una ejecución en tiempo real.

• 🏆 Demo en Vivo y Directo: Veremos el proceso completo: desde una IA que no sabe qué hacer en la pantalla hasta un robot físico que mantiene el equilibrio de forma autónoma sobre la mesa.

Será una sesión diseñada para ver el flujo completo de la IA moderna: entender la teoría, dominar la simulación e implementarlo todo en el hardware real.

Si te interesa la IA más allá de la teoría y quieres ver cómo los algoritmos aprenden de verdad, no te lo puedes perder.

📅 Échale un ojo también a la otra sesión:

• 17/4: El Hardware

• 24/4: Reinforcement Learning