211service.com
Tu asistente personal robótico
Aparte del Roomba, los robots no han avanzado mucho en su infiltración en los hogares estadounidenses. Pero los investigadores de la Universidad de Stanford han desarrollado un software que supera uno de los mayores desafíos: enseñarle a un robot a recoger un objeto que nunca antes había encontrado. El software del robot sugiere que la mejor manera de recoger algo nuevo es determinando la parte más grabable del objeto: el pie de una copa de vino, el asa de una taza o el borde de un libro, por ejemplo.
Recógelo: Los investigadores de Stanford han diseñado un software que ayuda a un robot a agarrar objetos que nunca antes había visto. El hardware se asienta sobre una base de rueda de Segway e incluye dos láseres para la navegación, un brazo robótico para agarrar, parlantes, cámaras y un micrófono.
Los ingenieros y los fanáticos de la ciencia ficción han soñado durante mucho tiempo con poner la robótica en el hogar, dice Andrew Ng , profesor de informática en Stanford. De hecho, el hardware robótico que existe hoy en día podría permitirle a un robot realizar las tareas complejas que se requieren para recoger objetos, mantener una casa limpia, etc. Pero la pieza que falta, explica Ng, es un software que puede permitir que los robots hagan estas cosas por sí mismos. Un robot diestro con la inteligencia para recoger nuevos objetos sin estar programado específicamente para hacerlo podría ser útil para tareas domésticas complejas como alimentar a las mascotas y cargar el lavavajillas.
Si bien es cierto que algunos robots son capaces de recoger objetos específicos, incluso en una mesa desordenada, lo hacen con la ayuda de modelos tridimensionales específicos que han sido preprogramados, dice Aaron Edsinger , fundador de Robótica Meka , una startup en San Francisco. Pero esto supone que seremos capaces de saber de antemano qué objetos hay ahí fuera, dice. Esto podría no ser esencial en un hogar de ancianos cuidadosamente construido, por ejemplo, pero sería esencial en el apartamento o la casa de una familia ocupada.
En lugar de utilizar modelos predeterminados de objetos, algunos especialistas en robótica, incluidos Edsinger y Ng, están construyendo sistemas de percepción para robots que buscan ciertas características en los objetos que son buenos para agarrar. El equipo de Stanford ha abordado el problema mediante la recopilación de una serie de tecnologías previamente fragmentadas, dice Ng, como la visión por computadora, el aprendizaje automático, el reconocimiento de voz y el hardware de agarre, y las puso juntas en un robot llamado ESCALERA (Robot de Inteligencia Artificial de Stanford).
Multimedia
Observe cómo el robot obedece las instrucciones para recuperar una grapadora.
Observe cómo el robot recoge varios objetos de diferentes formas.
Observa cómo el robot abre una puerta.
El hardware de STAIR consiste en un brazo robótico móvil con un micrófono, un altavoz, sensores y cámaras que ayudan al brazo a recuperar objetos. El software del robot se basa en algoritmos de aprendizaje automático que pueden entrenarse para realizar determinadas funciones. Los investigadores entrenaron el software utilizando 2.500 imágenes de objetos, con regiones identificables.
Pero dar el salto de imágenes bidimensionales a un mundo tridimensional fue un desafío, dice Ng. Por lo general, un robot puede crear una vista tridimensional de su entorno, de modo que sepa qué tan lejos está la cafetera de su mano, utilizando la entrada de dos cámaras. Esta distancia generalmente se determina recolectando una gran cantidad de puntos en un objeto con las cámaras derecha e izquierda, y luego triangulando todos los datos para construir un modelo 3-D. Sin embargo, este proceso requiere mucho tiempo y potencia de cálculo.
El equipo de Ng desarrolló una alternativa que simplifica el proceso. En lugar de recopilar datos sobre muchos puntos en un objeto, el algoritmo de los investigadores identifica el punto medio de una parte agarrable de un objeto, como un asa, calculando los bordes de un objeto y comparándolo con los bordes de objetos estadísticamente similares en la base de datos. El software hace coincidir este punto utilizando ambas cámaras y triangula la distancia. Esta fue la idea clave que hizo que funcionasen todas nuestras cosas de comprensión, dice Ng. Ahora hemos hecho cosas como cargar artículos de un lavavajillas.
Los robots todavía necesitan aprender los puntos más finos de la manipulación automática, agrega Ng. STAIR fue diseñado solo para agarrar objetos y no para ajustar su agarre dependiendo de la situación. Por ejemplo, no se construyó para servir café de una olla, una tarea que podría requerir una posición de agarre diferente y una cantidad diferente de presión que simplemente levantar la olla y colocarla en un estante. Además, el software no conoce la consistencia del objeto, ya sea blando o sólido. Pero los investigadores están trabajando en estos problemas y, en última instancia, un robot personal tendrá una combinación de tecnologías de detección y software diferente que le permitirá recoger y manipular un objeto. (Consulte Robots que sienten antes de tocarse).
Podrían pasar años antes de que todas las tecnologías se integren lo suficientemente bien como para que los robots puedan manejar las tareas domésticas complejas por sí mismos, pero el trabajo de Stanford está impulsando el sueño. Si tuviera que elegir algo que frena esta visión de la robótica personal, sería la capacidad de tomar cosas y manipularlas, dice Josh Smith , científico investigador senior de Intel Research, en Seattle. Necesitamos más estrategias de comprensión, como [los investigadores de Stanford], que no requieren un modelo tridimensional explícito del objeto. Agrega que además de que el robot tiene técnicas mejoradas de visión por computadora, la mano real del robot probablemente tendrá varios sensores que pueden sentir si un objeto se está moviendo o si el agarre no es correcto. Una sensación mucho más rica en la mano será una parte importante de la solución, dice Smith.