Robots blandos más eficientes con una nueva red neuronal de aprendizaje profundo

Los robots blandos son una herramienta extremadamente importante en el campo más amplio de la robótica, ya que los robots tradicionales y rígidos no pueden completar los mismos tipos de tareas. Los primeros interactúan con los humanos de manera más segura, y pueden hacer cosas como caber en espacios estrechos.

Uno de los principales desafíos relacionados con los robots blandos es que deben saber dónde están todas sus partes del cuerpo para completar tareas programadas, y esto se vuelve más difícil a medida que los robots blandos pueden deformarse de casi infinitas maneras.

Ahora, los investigadores del MIT han desarrollado un nuevo algoritmo de aprendizaje profundo que ayuda a los ingenieros a diseñar robots blandos de una manera que les permite recopilar más datos sobre su entorno. El algoritmo funciona sugiriendo una colocación óptima de sensores dentro del cuerpo del robot. Esto le permite completar tareas asignadas mientras interactúa con el entorno.

Alexander Amini es coautor principal de la investigación junto con Andrew Spielberg, ambos estudiantes de doctorado en el Laboratorio de Ciencias de la Computación y Inteligencia Artificial del MIT. La investigación se publicó en IIEEE Robotics and Automation Letters con otros coautores, incluyendo a Lillian Chin, estudiante de doctorado, y a Wojciech Matusik y Daniela Rus, profesores de la universidad.

“El sistema no solo aprende una tarea dada, sino que también cómo diseñar mejor el robot para resolver esa tarea”, dice Amini. “La colocación de sensores es un problema muy difícil de resolver. Así que, tener la solución es extremadamente emocionante”.

https://www.youtube.com/watch?v=MSa7D0FvxqY

Robots rígidos vs. robots blandos

Una de las principales ventajas de los robots rígidos es que tienen un rango de movimiento limitado, y aunque esto parece una desventaja, significa que el número finito de articulaciones y extremidades conduce a cálculos más manejables.

Estos cálculos son más fáciles de trabajar cuando se trata de algoritmos que controlan el mapeo y la planificación del movimiento. Los robots blandos no pueden hacer lo mismo porque son flexibles.

“El principal problema con los robots blandos es que son infinitamente dimensionales”, dice Spielberg. “Cualquier punto en un robot blando puede, en teoría, deformarse de cualquier manera posible”.

En el pasado, los investigadores han utilizado una cámara externa para registrar la posición del robot, que luego se alimenta al programa de control del robot. El nuevo equipo buscó una forma de crear un robot blando sin ayuda externa.

“No puedes poner un número infinito de sensores en el propio robot”, continúa Spielberg. “Así que, la pregunta es: ¿Cuántos sensores tienes, y dónde los pones para obtener el mayor beneficio posible?”

Los investigadores desarrollaron una arquitectura de red neuronal novedosa que puede optimizar la colocación de sensores y aprender a completar tareas de manera eficiente. Primero, dividieron el cuerpo del robot en diferentes regiones llamadas “partículas”.

La red neuronal utilizó la tasa de deformación de cada partícula como entrada, y a través de prueba y error, la red puede aprender la secuencia de movimientos más eficiente para una tarea dada. La red también mantiene un registro de qué partículas se utilizan más que otras para que las entradas de la red puedan ajustarse.

Superando a los humanos en la colocación de sensores

La red sugiere la colocación de los sensores en el robot al optimizar las partículas más importantes. En las pruebas, el algoritmo superó a los humanos cuando se trataba de ubicar los lugares más eficientes para colocar los sensores.

Luego, el algoritmo se probó contra una serie de predicciones de expertos.

“Nuestro modelo superó ampliamente a los humanos en cada tarea, aunque yo miré algunos de los cuerpos del robot y me sentí muy confiado en dónde debían ir los sensores”, dice Amini. “Resulta que hay muchas más sutilezas en este problema de las que inicialmente esperábamos”.

Según Spielberg, el nuevo desarrollo podría ayudar a automatizar el proceso de diseño de robots y ayudar a crear nuevos algoritmos para controlar los movimientos de los robots.

“…también debemos pensar en cómo vamos a sensorizar estos robots, y cómo eso interactuará con otros componentes del sistema”, dice. “Eso es algo donde se necesita un sentido del tacto muy robusto y bien optimizado. Así que, hay un potencial para un impacto inmediato”.

“La automatización del diseño de robots blandos sensorizados es un paso importante hacia la creación rápida de herramientas inteligentes que ayuden a las personas con tareas físicas”, dice Rus. “Los sensores son un aspecto importante del proceso, ya que permiten que el robot blando “vea” y comprenda el mundo y su relación con el mundo”.