Investigadores del Royal Institute of Technology (KTH) de Estocolmo han desarrollado el primer robot que es consciente del entorno en el que trabaja.
Está pensado para su aplicación en la industria, ya que puede identificar individualmente a cada trabajador del taller en el que está instalado, reconocer sus hábitos y predecir sus movimientos.
La identificación incluye un modelo esquelético del cuerpo humano, un resumen de la masa corporal de las personas que permite al robot distinguir a un trabajador de otro.
Eso significa que el robot se da cuenta de dónde está mientras interactúa con trabajadores humanos y que puede coordinar sus movimientos con cada una de las personas que lo rodean.
Este desarrollo tecnológico supone un avance importante, ya que los robots que actualmente funcionan en la industria pueden calcular la distancia que los separa de otros seres humanos, pero poco más.
Cuando un humano se acerca a un robot en cualquier taller, el reflejo mecánico admitido es ralentizar el movimiento que está haciendo y, si una persona se acerca mucho, detener su acción. Cuando el humano se aleja, el robot reanuda su actividad.
Según explica el autor principal de este desarrollo, Hongyi Liu, en un comunicado, este comportamiento regulado refleja un bajo conocimiento del contexto por parte del robot: disminuye la productividad y limita la colaboración con los humanos.
Tema relacionado: Crean robots que detectan su ubicación en el espacioTema relacionado: Crean robots que detectan su ubicación en el espacio
Más lejos
Más lejos El nuevo robot llega a ser consciente del entorno del taller donde está instalado y de las circunstancias que tienen lugar en cada momento, derivadas del movimiento de las personas que lo rodean.
Los experimentos con el sistema demostraron que, incorporando el contexto, un robot puede operar de manera más segura y eficiente sin ralentizar la producción.
En una prueba realizada con el sistema, la mano de una persona bloqueó inesperadamente el camino de un brazo robótico. Pero en lugar de detenerse, el robot se ajustó: predijo la trayectoria futura de la mano y el brazo se movió alrededor de ella.
“Esto es seguridad no solo desde el punto de vista técnico para evitar colisiones, sino también capacidad de reconocer el contexto de la línea de montaje”, dice Liu. «Proporciona una capa adicional de seguridad», añade.
Obra de la IA
Obra de la IA La proeza se consigue mediante un sistema humano-robot libre de colisiones basado en Inteligencia Artificial (IA), lo que le permite economizar potencia computacional para el procesamiento de la información, respecto a otros sistemas tradicionales de aprendizaje automático.
El sistema puede planificar rutas robóticas que eviten chocar con operadores humanos gracias a un módulo de detección de colisiones elaborado con algoritmos que calibran al sensor.
El sistema de colaboración humano-robot utiliza específicamente el aprendizaje por transferencia, un tipo de aprendizaje automático que permite aplicar lo que ha sido aprendido en un determinado contexto, en nuevos contextos (en este caso con diferentes humanos que se mueven en torno al robot).
Liu compara el sistema de robot sensible al contexto con un automóvil autónomo: no solo reconoce cuándo un semáforo en rojo, sino que también reduce progresivamente la velocidad.
También puede haber aprendido cuánto tiempo está un semáforo en rojo y se prepara para moverse antes de que pueda continuar su trayecto. Incluso hay otros robots empáticos con otros robots. El nuevo robot funciona de forma similar.
Avance para la industria
Liu dice que la nueva tecnología desarrollada en KTH está por delante de los requisitos actuales de la Organización Internacional de Normalización (ISO) para la seguridad de los robots colaborativos.
Por este motivo, la implementación de esta tecnología requerirá una acción industrial ante las autoridades competentes para la actualización de los correspondientes protocolos.
Referencia
Referencia Collision-free human-robot collaboration based on context awareness. Hongyi Liu, LihuiWang. Robotics and Computer-Integrated Manufacturing, Volume 67, February 2021, 101997. DOI: https://doi.org/10.1016/j.rcim.2020.101997
