Enseñar a los robots a ver y sentir

Ekrem Misimi en el laboratorio, donde el robot está a punto de agarrar un tomate cherry que nunca antes había visto. Crédito: TYD

Los robots realizan cada vez más tareas industriales, pero todavía se necesitan operadores humanos para las acciones de manipulación más complejas, como la manipulación y el procesamiento de productos alimenticios.

«Si nuestro objetivo es automatizar algunas o todas estas tareas en la industria alimentaria, o en otras áreas, tenemos que equipar a los robots con nuevos conocimientos a través del aprendizaje. Primero tienen que aprender las llamadas habilidades blandas para que sean capaz de ejecutar operaciones al mismo nivel que los humanos en el futuro «, explicó Ekrem Misimi, investigador de SINTEF que desarrolla tecnología de aprendizaje de robots como parte del proyecto iProcess.

Para enseñar a los robots estas complejas habilidades de manipulación, se requiere una combinación de aprendizaje visual y táctil. En otras palabras, deben aprender a ver y sentir simultáneamente.

El aprendizaje de robots también puede ser útil a mayor escala, particularmente ahora durante la pandemia cuando muchas personas deben trabajar desde casa o no pueden trabajar en sus plantas debido a un riesgo de infección:

«Para la sociedad, la producción, cosecha, manipulación y preparación de productos alimenticios son funciones cruciales. Nuestra tecnología tiene como objetivo garantizar una línea de producción totalmente automatizada, basada en robots inteligentes. Esencialmente, la tecnología inteligente de robots puede prepararnos mejor como sociedad para hacer frente a los malos tiempos, y agilizan la producción y la creación de valor en los buenos tiempos «, dijo Misimi.

Las posibilidades son infinitas

La interacción entre un robot y objetos que son blandos, frágiles, flexibles o maleables es uno de los mayores desafíos en la robótica actual, ya que este tipo de objetos pueden cambiar fácilmente su forma y forma cuando se manejan. Para los operadores humanos es fácil compensar estos cambios en tiempo real, pero los robots requieren sensores visuales y táctiles avanzados para hacer lo mismo.

Este robot ha sido entrenado usando inteligencia artificial y simulaciones. A pesar de que nunca ha visto un filete de salmón en el mundo real, se las arregla para agarrarlo y sostenerlo correctamente. Incluso puede hacer esto con otros alimentos frágiles, como lechuga, fresas y tomates. Crédito: SINTEF Ocean / TYD

Por lo tanto, el robot recibe «ojos» artificiales en forma de visión tridimensional, un «cerebro» artificial de inteligencia artificial y «manos» sensibles que dependen de la fuerza y ​​la detección táctil.

«Estas cualidades permiten a los robots desarrollar una inteligencia específica de la tarea que es lo suficientemente buena para que puedan hacer el trabajo automáticamente», explicó Misimi.

Aprender tareas complejas usando ejemplos simples

A pesar de su capacidad de aprendizaje, un robot es en última instancia una máquina. Por lo tanto, primero debe obtener conocimiento sobre las tareas que debe completar a través de la detección y el aprendizaje, ya sea en interacción con los humanos o por sí mismo.

«Nuestro objetivo es lograr que el robot aprenda a realizar tareas de manipulación complejas del mundo real a partir de ejemplos simples», dijo Misimi.

Por lo tanto, el proyecto iProcess ha desarrollado dos métodos de aprendizaje de robots. El primero es «aprender de la demostración» (LfD), en el que el robot aprende a agarrar alimentos blandos a través de una combinación de detección visual y táctil. El segundo es «aprender de la autoexploración», en el que el robot usa inteligencia artificial para aprender la tarea por sí solo en un entorno simulado antes de finalmente ser desplegado en el mundo real, sin ningún ajuste adicional. El proyecto ha generado muchas tareas interesantes para estudiantes graduados de NTNU que estudian inteligencia artificial y robótica.

«Un desafío típico en el aprendizaje de robots es que el operador humano, o más bien el maestro, demuestra la tarea de manera incorrecta al robot. Por lo tanto, hemos desarrollado una estrategia de aprendizaje que se basa únicamente en las mejores demostraciones, y automáticamente ignora a los pobres, que son inconsistentes con la política prevista del maestro. La estrategia de aprendizaje utiliza imágenes en 3-D para el posicionamiento correcto de la pinza del robot y la detección táctil para el manejo y agarre suaves de los objetos «, explicó Misimi.

«Lo que es particularmente interesante acerca de aprender de la autoexploración es que el robot nunca antes había visto un filete de salmón, ya sea en un entorno simulado o real. Pero aún así se las arregla perfectamente para generalizar en el mundo real con el fin de manejar el nuevo , objetos desconocidos «, agregó.

Cuando el robot aprende de esta manera, el tiempo de aprendizaje se acorta considerablemente, y el robot puede usarse para manejar múltiples productos alimenticios u objetos similares, sin ninguna programación adicional.

La investigación sobre LfD se publicó en «Manejo robótico de objetos alimentarios conformes mediante el aprendizaje robusto de la demostración», que se presentó en la Conferencia Internacional sobre Robots y Sistemas Inteligentes, mientras que el artículo sobre aprendizaje por autoexploración ha sido aceptado para el próximo International Conferencia sobre Robótica y Automatización (ICRA) 2020 *.

Enseñando a un viejo robot nuevos trucos

Dicen que no puedes enseñarle a un perro viejo nuevos trucos, pero los robots pueden ser entrenados para muchas tareas de manejo diferentes, desde sostener objetos estacionarios y en movimiento hasta realizar tareas de manipulación más complejas que requieren mayor destreza, como manipular objetos en movimiento.

«La tarea podría ser cualquier cosa que implique cortar o agarrar objetos que deben manejarse con cuidado. Ya sea un filete de pescado o una lechuga, el robot debe ser lo suficientemente delicado como para no dañar los productos, pero aún así hacer el trabajo», dijo Misimi.

Importante para la industria alimentaria.

La nueva tecnología será importante tanto para la industria alimentaria noruega como para cualquier otra industria que se beneficiaría del manejo robótico de objetos maleables y maleables y que depende completamente de la automatización para retener la creación de valor en Noruega.

«Este proyecto es un hito en la realización de esta visión. La tecnología de robots podrá aumentar tanto la competitividad como la rentabilidad y permitirá que se procese una mayor proporción de materia prima en Noruega. Esto puede contribuir a aumentar la calidad de los productos y reducir los alimentos Además, esto beneficiará al medio ambiente, ya que las materias primas no tendrán que ser transportadas al exterior para su refinamiento, como a menudo debe hacerse hoy «, dijo Misimi.

 


Proporcionado por

Universidad Noruega de Ciencia y Tecnología

Leave a Comment!