Vea También
Científicos del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT, en la siempre presente búsqueda de que las máquinas reproduzcan las habilidades humanas, crearon un marco que está más escalado: un sistema que puede reorientar más de dos mil objetos diferentes, con la mano robótica mirando tanto hacia arriba como hacia abajo. Esta capacidad de manipular cualquier cosa, desde una taza hasta una lata de atún, pasando por una caja de Cheez-It, podría ayudar a la mano a coger y colocar rápidamente los objetos en formas y lugares específicos, e incluso a generalizarlos a objetos no vistos.
Este hábil "trabajo manual" -que suele estar limitado a tareas individuales y posiciones verticales- podría ser una ventaja para acelerar la logística y la fabricación, ayudando a satisfacer demandas comunes como el empaquetado de objetos en ranuras para su equipamiento, o manipulando con destreza una gama más amplia de herramientas. El equipo utilizó una mano antropomórfica simulada con 24 grados de libertad y demostró que el sistema podría trasladarse a un sistema robótico real en el futuro.
"En la industria, lo más habitual es emplear una pinza de mandíbula paralela, en parte debido a su sencillez de control, pero es físicamente incapaz de manejar muchas herramientas que contemplamos en la vida cotidiana", afirma el estudiante de doctorado del MIT CSAIL Tao Chen, miembro del Improbable AI Lab y principal investigador del proyecto.
"Incluso el uso de un alicate es difícil porque no se puede mover con destreza un mango hacia adelante y hacia atrás. Nuestro sistema permitirá que una mano con varios dedos manipule con destreza este tipo de herramientas, lo que abre un nuevo campo de aplicaciones robóticas."
El sistema emplea un algoritmo de aprendizaje por refuerzo sin modelos con aprendizaje profundo y algo llamado método de entrenamiento "maestro-alumno". La red del "maestro" se entrena con información sobre el objeto y el robot que está fácilmente disponible en la simulación sin embargo no en el mundo real. El conocimiento del "maestro" se destila entonces en observaciones que pueden adquirirse en el mundo real, como las imágenes de profundidad captadas por las cámaras, la pose del objeto y las posiciones de las articulaciones del robot.
El robot puede reorientar un gran número de objetos que nunca ha visto antes y sin conocimiento de la forma. Puede manipular objetos pequeños de forma circular, como manzanas, pelotas de tenis o canicas, con un porcentaje de éxito de casi el 100%. Sin embargo, cuando se trata de objetos más complejos, como una cuchara, un destornillador o unas tijeras, su tasa de éxito cae más cerca del 30%. Dado que los porcentajes de éxito varían en función de la forma del objeto, el equipo señala que, en el futuro, el entrenamiento del modelo basado en las formas de los objetos podría mejorar el rendimiento.
Fuentes, créditos y referencias:
A System for General In-Hand Object Re-Orientation. openreview.net/forum?id=7uSBJDoP7tY
Imagen: Un nuevo sistema de IA permite al robot manipular miles de objetos con facilidad. Crédito: MIT