Robótica
Los algoritmos permiten a los robots evitar obstáculos y correr en la naturaleza
Un equipo de investigadores de la Universidad de California en 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 llevó a cabo pruebas en las que el sistema guiaba a un robot para que maniobrara de forma autónoma y rápida sobre superficies arenosas, grava, hierba y colinas llenas de baches cubiertas de ramas y hojas caídas. Al mismo tiempo, podría evitar chocar contra postes, árboles, arbustos, rocas, bancos y personas. El robot también demostró la capacidad de navegar en un espacio de oficina ocupado sin chocar con varios obstáculos.
Construcción de 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 de difícil acceso o peligrosos para los humanos.
El trabajo está programado para ser presentado en el 2022 Conferencia Internacional sobre Robots y Sistemas Inteligentes (IROS) del 23 al 27 de octubre en Kioto, Japón.
El sistema le da al robot más versatilidad debido a su combinación del sentido de la vista del robot con la propiocepción, que es otra modalidad de detección que involucra el sentido del movimiento, la dirección, la velocidad, la ubicación y el tacto del robot.
La mayoría de los enfoques actuales para entrenar robots con patas para caminar y navegar utilizan la propiocepción o la visión. Sin embargo, ambos no se utilizan al mismo tiempo.
Combinando propiocepción con visión por computadora
Xiaolong Wang es profesor de ingeniería eléctrica e informática en la Escuela de Ingeniería UC San Diego Jacobs.
“En un caso, es como entrenar a un robot ciego para que camine simplemente tocando y sintiendo el suelo. Y en el otro, el robot planifica los movimientos de sus piernas basándose únicamente en la vista. No es aprender dos cosas al mismo tiempo”, dijo Wang. “En nuestro trabajo, combinamos la propiocepción con la visión por computadora para permitir que un robot con patas se mueva de manera eficiente y sin problemas, mientras evita obstáculos, en una variedad de entornos desafiantes, no solo en los 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 esta era una tarea compleja.
“El problema es que durante la operación del 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 detección diferentes no siempre llegan al mismo tiempo”, explicó.
El equipo abordó este desafío simulando el desajuste al aleatorizar los dos conjuntos de entradas. Los investigadores se refieren a esta técnica como aleatorización de retraso multimodal, y luego usaron las entradas usadas y aleatorias para entrenar una política de aprendizaje de refuerzo. El enfoque permitió al robot tomar decisiones rápidamente mientras navegaba, así como anticipar cambios en su entorno. Estas habilidades permitieron al robot moverse y maniobrar obstáculos más rápido en diferentes tipos de terrenos, todo sin la ayuda 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.
“En este momento, podemos entrenar a un robot para que haga 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 obstáculos”.
