El año pasado, los cierres cerrados y otras medidas de seguridad de COVID-19 han hecho que las compras en línea sean más populares que nunca, pero la creciente demanda está dejando a muchos minoristas con dificultades para cumplir con los pedidos al tiempo que garantizan la seguridad de los empleados de su almacén.
Investigadores de la Universidad de California, Berkeley, han creado un nuevo software de inteligencia artificial que brinda a los robots la velocidad y la habilidad para agarrar y mover objetos sin problemas, lo que les permite ayudar pronto a los humanos en entornos de almacén. La tecnología se describe en unartículo publicado en línea hoy miércoles 18 de noviembre en la revista Ciencia robótica .
Automatizar las tareas del almacén puede ser un desafío porque muchas acciones son naturales para los humanos, como decidir dónde y cómo recoger diferentes tipos de objetos y luego coordinar los movimientos de hombro, brazo y muñeca necesarios para mover cada objeto de un lugar a otro.- son bastante difíciles para los robots. El movimiento robótico también tiende a ser entrecortado, lo que puede aumentar el riesgo de dañar tanto los productos como los robots.
"Los almacenes todavía son operados principalmente por humanos, porque todavía es muy difícil para los robots agarrar de manera confiable muchos objetos diferentes", dijo Ken Goldberg, presidente distinguido de ingeniería de William S. Floyd Jr. en UC Berkeley y autor principal del estudio."En una línea de montaje de automóviles, el mismo movimiento se repite una y otra vez, de modo que pueda automatizarse. Pero en un almacén, cada pedido es diferente".
En un trabajo anterior, Goldberg y el investigador postdoctoral de UC Berkeley, Jeffrey Ichnowski, crearon un Planificador de movimiento optimizado para agarre que podía calcular cómo un robot debería recoger un objeto y cómo debería moverse para transferir el objeto de un lugar a otro.
Sin embargo, los movimientos generados por este planificador fueron entrecortados. Si bien los parámetros del software se podrían modificar para generar movimientos más suaves, estos cálculos tardaron un promedio de medio minuto en calcularse
En el nuevo estudio, Goldberg e Ichnowski, en colaboración con el estudiante graduado de UC Berkeley Yahav Avigal y el estudiante universitario Vishal Satish, aceleraron dramáticamente el tiempo de computación del planificador de movimiento al integrar una red neuronal de aprendizaje profundo.
Las redes neuronales permiten que un robot aprenda de los ejemplos. Más tarde, el robot a menudo puede generalizar a objetos y movimientos similares.
Sin embargo, estas aproximaciones no siempre son lo suficientemente precisas. Goldberg e Ichnowski descubrieron que la aproximación generada por la red neuronal podría optimizarse usando el planificador de movimiento.
"La red neuronal tarda solo unos pocos milisegundos en calcular un movimiento aproximado. Es muy rápido, pero es inexacto", dijo Ichnowski. "Sin embargo, si luego introducimos esa aproximación en el planificador de movimiento, el planificador de movimiento solo necesita unos pocositeraciones para calcular el movimiento final. "
Al combinar la red neuronal con el planificador de movimiento, el equipo redujo el tiempo promedio de cálculo de 29 segundos a 80 milisegundos, o menos de una décima de segundo.
Goldberg predice que, con este y otros avances en tecnología robótica, los robots podrían ayudar en entornos de almacén en los próximos años.
"La compra de comestibles, productos farmacéuticos, ropa y muchas otras cosas ha cambiado como resultado de COVID-19, y es probable que la gente continúe comprando de esta manera incluso después de que termine la pandemia", dijo Goldberg.nueva oportunidad para que los robots apoyen a los trabajadores humanos ".
Fuente de la historia :
Materiales proporcionado por Universidad de California - Berkeley . Original escrito por Kara Manke. Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :