Cada vez más tareas industriales están siendo realizadas por robots, pero todavía se necesitan operadores humanos para las acciones de manipulación más complejas, como manipular y procesar 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 deben aprender las llamadas habilidades blandas para poder ejecutar operaciones al mismo nivel que los humanos en el futuro. "explicó Ekrem Misimi, quien es un 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 con robots también puede ser útil a mayor escala, especialmente ahora durante la pandemia, cuando muchas personas deben trabajar desde casa o no pueden trabajar en sus plantas debido al riesgo de infección:

"Para la sociedad, la producción, cosecha, la manipulación y preparación de productos alimenticios son funciones cruciales. Nuestra tecnología tiene como objetivo garantizar una línea de producción totalmente automatizada, basado en robots inteligentes. Esencialmente, La tecnología de robots inteligentes puede prepararnos mejor como sociedad para afrontar los malos tiempos. y agilizar la producción y la creación de valor en los buenos tiempos, "dijo Misimi.

Las posibilidades son infinitas

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

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 para la tarea que es lo suficientemente buena como para 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 adquirir conocimientos sobre las tareas que debe completar mediante la detección y el aprendizaje, ya sea en interacción con humanos o por sí mismo.

"Nuestro objetivo es hacer 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 mediante 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 implementado en el mundo real, sin ningún ajuste fino adicional. El proyecto ha generado muchas asignaciones 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 forma 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 incompatibles con la política prevista por el maestro. La estrategia de aprendizaje utiliza imágenes en 3-D para el posicionamiento correcto de la pinza del robot y detección táctil para el manejo y agarre suave de los objetos. "explicó Misimi.

"Lo que es particularmente interesante 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 todavía se las arregla perfectamente para generalizar en el mundo real para manejar lo nuevo, objetos desconocidos, "añadió.

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

La investigación sobre LfD se publicó en "Manipulación robótica de objetos alimenticios compatibles mediante el aprendizaje robusto a partir 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 la próxima Conferencia Internacional sobre Robótica y Automatización (ICRA) 2020 *.

Enseñar nuevos trucos a un viejo robot

Dicen que no se puede enseñar trucos nuevos a un perro viejo, pero se puede entrenar a los robots para muchas tareas de manipulación diferentes, desde sostener objetos fijos y en movimiento hasta realizar tareas de manipulación más complejas que requieren una mayor destreza, como manipular objetos en movimiento.

"La tarea puede ser cualquier cosa que implique cortar o agarrar objetos que deban manipularse con cuidado. Ya sea un filete de pescado o una lechuga, el robot debe ser lo suficientemente delicado 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 beneficie del manejo robótico de objetos flexibles y maleables y que dependa 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 robótica podrá aumentar tanto la competitividad como la rentabilidad y permitirá procesar una mayor proporción de materia prima alimenticia en Noruega. Esto puede contribuir a aumentar la calidad de los productos y reducir la cantidad de alimentos desperdicio. Además, esto beneficiará al medio ambiente, ya que las materias primas no tendrán que transportarse al extranjero para su refinamiento, tan a menudo se debe hacer hoy, "dijo Misimi.