Se supone que los robots hacen trabajos aburridos o desagradables para nosotros. Sin embargo, tareas tediosas como limpiar el baño son difíciles de automatizar. ¿Cómo es posible calcular el movimiento del brazo del robot para que pueda llegar a todos los rincones del lavabo? ¿Qué pasa si el lavabo tiene bordes inusualmente curvos? ¿Cuánta fuerza se debe aplicar en cada punto?
Se necesitaría mucho tiempo para codificar con precisión todas estas cosas en reglas fijas y fórmulas matemáticas predefinidas. En la furgoneta TU se adopta un enfoque diferente: un humano muestra al robot varias veces lo que debe hacer. Se utiliza una esponja especialmente preparada para limpiar el borde de un fregadero. Al observar al humano, el robot aprende cómo funciona la limpieza y puede aplicar este conocimiento de manera flexible a objetos con diferentes formas. Este trabajo se ha publicado ahora en IROS 2024 en Abu Dhabi.
Limpiar, lijar, pulir
La limpieza es sólo un tipo de tratamiento de superficie. Muchas otras actividades que desempeñan un papel esencial en la industria son técnicamente muy similares, como lijar o pulir superficies, pintar o aplicar adhesivos.
“Es relativamente fácil capturar la forma geométrica de un lavabo con cámaras”, afirma el profesor Andreas Kogi del Instituto de Automatización y Control de la Universidad Técnica de Viena. “Pero ese no es el paso crítico. Es más difícil enseñarle al robot: ¿qué tipo de movimiento se necesita para qué parte de la superficie? ¿Qué tan rápido debe ser el movimiento? ¿Cuál es el ángulo apropiado? ¿Cuál es la cantidad correcta de fuerza?”
La gente aprende estas cosas a través de la experiencia y la imitación. “En un taller, alguien podría mirar por encima del hombro del aprendiz y decir: hay que presionar un poco más en ese borde estrecho”, dice Christian Hartl-Niske, jefe del grupo de robótica industrial del equipo de Andreas Kogi. “Queríamos encontrar una manera de hacer que los robots aprendan exactamente de la misma manera”.
Versión demo de la esponja limpiadora
Para ello se desarrolló una herramienta de limpieza especial: una esponja de limpieza equipada con un sensor de fuerza y un marcador de seguimiento fue utilizada por humanos para limpiar repetidamente el fregadero, pero solo el borde frontal. “A partir de algunas demostraciones generamos muchos datos que luego se procesan para que el robot sepa lo que significa una limpieza adecuada”, explica Christian Hartl-Neske.
Este proceso de aprendizaje es posible gracias a una innovadora estrategia de procesamiento de datos desarrollada por el equipo de investigación de TU Wien. Combina varias técnicas existentes en el campo del aprendizaje automático: los datos de medición se procesan primero estadísticamente y los resultados se utilizan para aprender elementos de movimiento predefinidos (las llamadas “primitivas de movimiento” se utilizan para entrenar redes neuronales). A continuación, el brazo del robot se controla de forma óptima para limpiar la superficie.
Este algoritmo de aprendizaje avanzado permite al robot limpiar un fregadero completo u otros objetos de una superficie compleja después del entrenamiento, aunque solo se muestra cómo limpiar un borde del fregadero. “El robot aprende que hay que sujetar la esponja de forma diferente según la forma de la superficie, que hay que aplicar una fuerza diferente en una superficie fuertemente curvada que en una superficie plana”, dice el estudiante de doctorado industrial Christoph Unger explica. Grupo de Robótica.
Visión: Todos los robots del taller aprenden juntos.
La tecnología presentada es aplicable a muchos procesos, ya sea para lijar piezas de madera en carpinterías, reparar y pulir daños en la pintura de carrocerías de vehículos o soldar piezas de chapa en talleres metalúrgicos. En el futuro, el robot podrá colocarse sobre una plataforma móvil y utilizarse como ayuda útil en cualquier lugar del taller.
Estos robots también pueden compartir sus conocimientos con otros robots. “Imagínese que muchos talleres utilizan estos robots de autoaprendizaje para lijar o pintar superficies. Luego, puede dejar que los robots adquieran experiencia individualmente con datos espaciales. Aún así, todos los robots pueden compartir los parámetros aprendidos entre sí”, dice Andreas Kogi. . Los datos privados, como la forma específica de una pieza de trabajo en particular, seguirán siendo privados, pero se compartirán los fundamentos necesarios para mejorar aún más las capacidades de todos los robots. Esto se llama “aprendizaje federado”.
Varias pruebas en la furgoneta TU han demostrado la flexibilidad del robot limpiador de fregaderos. La tecnología ya está causando sensación a nivel internacional: en IROS 2024 (14-18 de octubre de 2024), una conferencia en la que se presentaron más de 3.500 artículos científicos, el trabajo de TU Wien recibió el premio al “Mejor artículo de aplicación” y, por lo tanto, fue votado como una de las principales innovaciones. . del año
