Los robots de hoy pueden realizar misiones espaciales, resolver un cubo de Rubik, clasificar medicamentos en el hospital e incluso hacer panqueques. Pero la mayoría no puede manejar el simple hecho de agarrar un lápiz y girarlo para agarrarlo con firmeza.
Las tareas complejas que requieren una hábil manipulación manual rodar, girar, doblarse, sentir la fricción y otras cosas que los humanos hacen sin esfuerzo con nuestras manos han demostrado ser muy difíciles para los robots.
Ahora, un equipo de investigadores en ciencias de la computación e ingeniería de la Universidad de Washington ha construido una mano robótica que no solo puede realizar una manipulación diestra, sino que también puede aprender de su propia experiencia sin necesidad de que los humanos la dirijan. Sus últimos resultados se detallan en un documento parase presentará el 17 de mayo en la Conferencia Internacional IEEE sobre Robótica y Automatización.
"La manipulación de la mano es uno de los problemas más difíciles que los roboticistas tienen que resolver", dijo el autor principal Vikash Kumar, estudiante de doctorado en ciencias de la computación e ingeniería de la Universidad de Washington. "Hoy en día, muchos robots tienen brazos bastante capaces, pero la mano es tan simplecomo una ventosa o tal vez una garra o una pinza ".
Por el contrario, el equipo de investigación de la UW pasó años construyendo a medida una de las manos robóticas de cinco dedos más capaces del mundo. Luego, desarrollaron un modelo de simulación preciso que permite que una computadora analice los movimientos en tiempo real. En su última demostración, aplican el modelo al hardware y a tareas del mundo real, como rotar un objeto alargado.
Con cada intento, la mano del robot se vuelve cada vez más hábil para hacer girar el tubo, gracias a los algoritmos de aprendizaje automático que lo ayudan a modelar tanto la física básica involucrada como a planificar las acciones que debe tomar para lograr el resultado deseado.
Este enfoque de aprendizaje autónomo desarrollado por el Laboratorio de Control de Movimiento de la UW contrasta con las demostraciones de robótica que requieren que las personas programen cada movimiento individual de la mano del robot para completar una sola tarea.
"Por lo general, la gente mira un movimiento y trata de determinar qué debe suceder exactamente; el meñique debe moverse de esa manera, así que estableceremos algunas reglas y lo probaremos y, si algo no funciona, ¡oh, el medioel dedo se movió demasiado y el bolígrafo se inclinó, así que probaremos otra regla ", dijo el autor principal y director del laboratorio Emo Todorov, profesor asociado de informática e ingeniería de la Universidad de Washington y de matemáticas aplicadas.
"Es casi como hacer una película animada: parece real, pero había un ejército de animadores modificándola", dijo Todorov. "Lo que estamos usando es un enfoque universal que permite al robot aprender de sus propios movimientos y requieresin ajustes por nuestra parte ".
Construir una diestra mano robótica de cinco dedos plantea desafíos, tanto en diseño como en control. El primero involucró construir una mano mecánica con suficiente velocidad, capacidad de respuesta de fuerza y flexibilidad para imitar los comportamientos básicos de una mano humana.
La diestra mano robótica de la Universidad de Washington, que el equipo construyó a un costo de aproximadamente $ 300,000, utiliza un esqueleto de Shadow Hand accionado con un sistema neumático personalizado y puede moverse más rápido que una mano humana. Es demasiado costoso para aplicaciones comerciales o industriales de rutina.uso, pero permite a los investigadores impulsar tecnologías centrales y probar estrategias de control innovadoras.
"Suceden muchas cosas caóticas y colisiones cuando tocas un objeto con diferentes dedos, lo cual es difícil de manejar para los algoritmos de control", dijo el coautor Sergey Levine, profesor asistente de ciencias de la computación e ingeniería de la Universidad de Washington.quien trabajó en el proyecto como becario postdoctoral en la Universidad de California, Berkeley. "El enfoque que adoptamos fue bastante diferente del enfoque de controles tradicional".
El equipo desarrolló primero algoritmos que permitieron a una computadora modelar comportamientos altamente complejos de cinco dedos y planificar movimientos para lograr diferentes resultados, como escribir en un teclado o dejar caer y atrapar un palo, en simulación.
Más recientemente, el equipo de investigación ha transferido los modelos para que funcionen en el hardware real de la mano de cinco dedos, que nunca resulta ser exactamente igual a un escenario simulado. A medida que la mano del robot realiza diferentes tareas, el sistema recopila datos de variossensores y cámaras de captura de movimiento y emplea algoritmos de aprendizaje automático para perfeccionar y desarrollar modelos más realistas continuamente.
"Es como sentarse a leer una lección, ir a casa y hacer la tarea para entender mejor las cosas y luego volver a la escuela un poco más inteligente al día siguiente", dijo Kumar.
Hasta ahora, el equipo ha demostrado el aprendizaje local con el sistema de hardware, lo que significa que la mano puede continuar mejorando en una tarea discreta que implica manipular el mismo objeto aproximadamente de la misma manera. Los siguientes pasos incluyen comenzar a demostrar el aprendizaje global -- lo que significa que la mano podría descubrir cómo manipular un objeto desconocido o un nuevo escenario que no haya encontrado antes.
Fuente de la historia :
Materiales proporcionado por Universidad de Washington . Original escrito por Jennifer Langston. Nota: el contenido se puede editar por estilo y longitud.
cite esta página :