Robótica e IA física

Los algoritmos permiten que los robots eviten obstáculos y corran en la naturaleza

Alex McFarland
Añade Unite.AI a tus fuentes preferidas en Google
Puntos claveEl algoritmo de UC San Diego fusiona la propiocepción con la visión por computadora…
Ver más
  • El algoritmo de UC San Diego fusiona la propiocepción con la visión por computadora para robots con patas.
  • La aleatorización de retardo multimodal permite que los robots naveguen por terrenos complejos sin asistencia humana.
  • El sistema permite que robots de cuatro patas eviten obstáculos mientras corren sobre arena, grava y césped.

Un equipo de investigadores de la Universidad de California, San Diego, ha desarrollado un nuevo sistema de algoritmos que permite a los robots de cuatro patas caminar y correr en la naturaleza. Los robots pueden navegar por terrenos desafiantes y complejos mientras evitan obstáculos estáticos y en movimiento.

El equipo realizó pruebas donde un robot fue guiado por el sistema para maniobrar de forma autónoma y rápida a través de superficies de arena, grava, césped y colinas de tierra bacheadas cubiertas de ramas y hojas caídas. Al mismo tiempo, podía evitar chocar con postes, árboles, arbustos, rocas, bancos y personas. El robot también demostró la capacidad de navegar por un espacio de oficina ocupado sin chocar con varios obstáculos.

Construyendo robots con patas eficientes

El nuevo sistema significa que los investigadores están más cerca que nunca de construir robots eficientes para misiones de búsqueda y rescate, o robots para recopilar información en espacios que son difíciles de alcanzar o peligrosos para los humanos.

El trabajo se presentará en la Conferencia Internacional de 2022 sobre Robots y Sistemas Inteligentes (IROS) del 23 al 27 de octubre en Kioto, Japón.

El sistema da al robot más versatilidad debido a la combinación del sentido de la vista del robot con la propiocepción, que es otra modalidad de sensación que implica el sentido de movimiento, dirección, velocidad, ubicación y tacto del robot.

La mayoría de los enfoques actuales para entrenar a robots con patas para caminar y navegar utilizan la propiocepción o la visión. Sin embargo, no se utilizan al mismo tiempo.

Combinando la propiocepción con la visión por computadora

Xiaolong Wang es profesor de ingeniería eléctrica y computacional en la Escuela de Ingeniería Jacobs de la UC San Diego.

“En un caso, es como entrenar a un robot ciego para caminar solo tocando y sintiendo el suelo. Y en el otro, el robot planea sus movimientos de piernas basándose solo en la vista. No está aprendiendo dos cosas al mismo tiempo”, dijo Wang. “En nuestro trabajo, combinamos la propiocepción con la visión por computadora para permitir que un robot de patas se mueva de manera eficiente y suave, mientras evita obstáculos, en una variedad de entornos desafiantes, no solo en entornos bien definidos”.

El sistema desarrollado por el equipo se basa en un conjunto especial de algoritmos para fusionar datos de imágenes en tiempo real, que fueron tomadas por una cámara de profundidad en la cabeza del robot, con datos provenientes de sensores en las piernas del robot.

Sin embargo, Wang dijo que esto fue una tarea compleja.

“El problema es que durante la operación en el mundo real, a veces hay un ligero retraso en la recepción de imágenes de la cámara, por lo que los datos de las dos modalidades de sensación no siempre llegan al mismo tiempo”, explicó.

El equipo abordó este desafío simulando la discrepancia aleatorizando los dos conjuntos de entradas. Los investigadores se refieren a esta técnica como randomización de retraso multimodal, y luego utilizaron estas entradas aleatorizadas para entrenar una política de aprendizaje por refuerzo. El enfoque permitió que el robot tomara decisiones rápidas mientras navegaba, así como anticipar cambios en su entorno. Estas habilidades permitieron que el robot se moviera y esquivara obstáculos más rápido en diferentes tipos de terrenos, todo sin asistencia de un operador humano.

El equipo ahora buscará hacer que los robots con patas sean más versátiles para que puedan operar en terrenos aún más complejos.

“Ahora podemos entrenar a un robot para realizar movimientos simples como caminar, correr y evitar obstáculos”, dijo Wang. “Nuestros próximos objetivos son permitir que un robot suba y baje escaleras, camine sobre piedras, cambie de dirección y salte sobre obstáculos”.

Alex dirige las operaciones de noticias impulsadas por IA de Unite.AI, combinando periodismo, investigación y automatización para apoyar una cobertura oportuna y escalable de la inteligencia artificial. Su trabajo ayuda a garantizar que los desarrollos emergentes de IA se presenten de manera eficiente mientras se mantienen los estándares editoriales de la publicación.