El MIT busca desarrollar manos robóticas más precisas
Los científicos de la academia estadounidense diseñaron un “proceso neuronal de agarre” que permite predecir las características de los objetos para evitar daños al recogerlos.
Los robots, por naturaleza, carecen de sutileza. Aunque son hábiles en el manejo de objetos pesados, como cajas, aún enfrentan desafíos en tareas delicadas, como sostener un huevo o ayudar a vestirse.
Para abordar esta limitación, una nueva investigación del Instituto Tecnológico de Massachusetts (MIT) propone una solución innovadora: un “proceso neuronal de agarre” que puede inferir las características de los objetos en tiempo real.
La dificultad radica en que los robots no comprenden una verdad que los humanos sí: las apariencias a menudo engañan. Por ejemplo, una máquina podría identificar erróneamente un bloque como una porción de torta. Este enfoque del MIT CSAIL, la división del MIT especializada en inteligencia artificial, busca superar este tipo de errores al permitir que los robots aprendan sobre los objetos que manipulan en tiempo real.
Entender las particularidades de los objetos no es fácil para las máquinas, especialmente para los brazos robóticos que funcionan como pinzas automatizadas. Aunque tienen sistemas de visión por computadora para percibir el entorno, a veces no pueden identificar correctamente los objetos. El ejemplo del bloque y la porción de torta ilustra este desafío.
“Las apariencias engañosas podrían llevar al robot a calcular erróneamente las propiedades físicas del objeto, como el peso y el centro de masa, y aplicar un agarre incorrecto, haciendo más fuerza de la necesaria”, explican los especialistas involucrados en este diseño.
La clave de este sistema radica en dotar a los robots de la capacidad de inferir rasgos ocultos en los objetos. El objetivo es que los agarres robóticos sean más inteligentes y se asemejen más a los humanos, a pesar de posibles errores, como el aplastamiento de un huevo.
El gran desafío es la falta de información. Entonces, ¿cómo funciona? El “proceso neuronal de agarre” está entrenado para inferir características no visibles a partir de un historial de intentos. Basándose en la experiencia previa, puede predecir qué tipos de agarre serán más efectivos. El cambio clave es revisar movimientos anteriores; los modelos anteriores solo se basaban en datos visuales.
Este ingenio “permite a las máquinas ejecutar buenos agarres de manera más eficiente al utilizar muchos menos datos de interacción y finaliza su cálculo en menos de una décima de segundo, a diferencia de los segundos (o minutos) que requieren los métodos tradicionales”, explican los investigadores del MIT CSAIL.
El objetivo de los científicos es que este sistema sea útil tanto en hogares como en almacenes y centros de logística, donde abundan objetos cuyas propiedades no se identifican fácilmente. Estos objetos podrían considerarse “elementos impredecibles”.
Los desarrolladores comparten un ejemplo para ilustrar su uso: una máquina podría manipular cajas que contienen diferentes cantidades de alimentos en su interior, sin ver su contenido. También mencionan la posibilidad de que un brazo mecánico tome una zanahoria y la corte eficiente y suavemente.
En pruebas de laboratorio, el brazo robótico equipado con este sistema tuvo éxito en 19 de 20 intentos al recoger las cajas.
Según el investigador del MIT CSAIL, Michael Noseworthy, no es prudente asumir que las máquinas conocen toda la información necesaria. Noseworthy señaló: “Sin humanos que etiqueten las propiedades de un objeto, los robots tradicionalmente requieren de un costoso proceso de inferencia”.
En ese sentido, el autor principal del estudio, Seiji Shaw, comentó: “Nuestro modelo ayuda a los robots a hacer esto de manera mucho más eficiente, permitiéndoles imaginar qué agarres informarán el mejor resultado”.
Chad Kessens, miembro del Laboratorio de Investigación del Ejército de Estados Unidos, que patrocinó esta investigación, agregó: “Para sacarlos de los entornos controlados como los laboratorios y llevarlos al mundo real, los robots deben ser mejores en el manejo de lo desconocido”.
Recientemente, el equipo de investigadores presentó este trabajo en la Conferencia Internacional IEEE sobre Robótica y Automatización.
