Si observa este robot de selección y colocación, verá rápidamente por qué es tan importante, no tanto por la destreza y el movimiento fino, aunque el robot puntúa en ambos, pero solo porque es tan inteligente.

Es bastante obvio a partir de las noticias que salen de los laboratorios de la universidad que los brazos y manos robóticos diseñados para recoger y clasificar son un tema frecuente; los investigadores ambiciosos tratan de obtener una puntuación más alta para las soluciones eficientes.

Como lo expresó MIT CSAIL, "por todo el progreso que hemos logrado con los robots, todavía apenas tienen las habilidades de un niño de dos años. Los robots de fábrica pueden recoger el mismo objeto una y otra vez, y algunos incluso pueden hacer algunas distinciones básicas entre objetos, pero generalmente tienen problemas para comprender una amplia gama de formas y tamaños de objetos, o poder mover dichos objetos a diferentes poses o ubicaciones ".

El rumor de esta semana se trata de este robot, con su estilo destacado de "puntos clave" para lograr un nivel más avanzado de coordinación. Han explorado una nueva forma de identificar y mover clases enteras de objetos, representándolos como grupos de puntos clave 3-D.

El ingeniero citó al profesor del MIT Russ Tedrake, autor principal del artículo que describe su trabajo y sobre arXiv. "Los robots pueden captar casi cualquier cosa, pero si es un objeto que no han visto antes, en realidad, no pueden ponerlo de manera significativa ".

El ingeniero dio su visto bueno a un enfoque que sonaba como "un tipo de hoja de ruta visual que permite una manipulación más matizada".

Puede ver el robot en acción en un video de vista previa de kPAM, "Manipulación precisa del robot con objetos nunca antes vistos". ¿Qué es kpam? Eso significa Keypoint Affordances for Robotic Level Manipulation. El robot obtiene toda la información que necesita, mover y colocar objetos.

"Comprender un poco más sobre el objeto (la ubicación de algunos puntos clave) es suficiente para permitir una amplia gama de útiles tareas de manipulación, "dijo el profesor del MIT Russ Tedrake.

Un documento que describe su trabajo, que está en arXiv, se titula "kPAM:KeyPoint Affordances for Category-Level Robotic Manipulation, "por Lucas Manuelli, Wei Gao, Peter Florence y Russ Tedrake. Están en CSAIL (Laboratorio de Ciencias de la Computación e Inteligencia Artificial) del Instituto de Tecnología de Massachusetts.

Esto es lo que los autores del artículo dijeron sobre cómo su enfoque es un paso más allá de los "canales de manipulación" existentes. Este último suele especificar la configuración deseada como una pose de objetivo 6-DOF, que tiene sus limitaciones. Representar un objeto "con una transformación parametrizada definida en una plantilla fija no puede capturar una gran variación de forma dentro de la categoría, y especificar una pose objetivo a nivel de categoría puede ser físicamente inviable o no lograr la tarea ".

Conocer la pose y el tamaño de una taza de café en relación con alguna taza canónica está bien, pero no es suficiente colgarlo en una rejilla por su asa. Su enfoque utiliza "puntos clave semánticos en 3D como representación del objeto". ¿Cuáles fueron los resultados de su exploración? Su método fue capaz de manejar "grandes variaciones dentro de la categoría sin ningún ajuste o especificación por instancia".

El equipo informó que "extensos experimentos de hardware demuestran que nuestro método puede realizar tareas de manera confiable con objetos nunca antes vistos en una categoría, como colocar zapatos y tazas con una variación significativa de forma en las configuraciones de destino a nivel de categoría ".

© 2019 Science X Network