Un equipo dirigido por la Universidad de California en San Diego ha desarrollado un nuevo sistema de algoritmos que permite que los robots de cuatro patas caminen y corran en terrenos desafiantes mientras evitan obstáculos tanto estáticos como móviles.

En las pruebas, el sistema guió a un robot para que maniobrara de forma autónoma y rápida a través de superficies arenosas, grava, hierba y colinas llenas de baches cubiertas de ramas y hojas caídas sin chocar con postes, árboles, arbustos, rocas, bancos o personas. El robot también se desplazó por un espacio de oficina concurrido sin tropezar con cajas, escritorios o sillas.

El trabajo acerca a los investigadores a la construcción de robots que puedan realizar misiones de búsqueda y rescate o recopilar información en lugares que son demasiado peligrosos o difíciles para los humanos.

El equipo presentará su trabajo en la Conferencia Internacional sobre Robots y Sistemas Inteligentes (IROS) de 2022, que tendrá lugar del 23 al 27 de octubre en Kioto, Japón.

El sistema proporciona a un robot con patas más versatilidad debido a la forma en que combina el sentido de la vista del robot con otra modalidad de detección llamada propiocepción, que involucra el sentido del movimiento, la dirección, la velocidad, la ubicación y el tacto del robot, en este caso, la sensación del suelo bajo sus pies.

Actualmente, la mayoría de los enfoques para entrenar robots con patas para caminar y navegar se basan en la propiocepción o la visión, pero no en ambos al mismo tiempo, dijo el autor principal del estudio, Xiaolong Wang, profesor de ingeniería eléctrica e informática en la Escuela de Ingeniería UC San Diego Jacobs. .

"En un caso, es como entrenar a un robot ciego para que camine con solo tocar y sentir el suelo. Y en el otro, el robot planifica los movimientos de sus piernas basándose únicamente en la vista. No está aprendiendo dos cosas al mismo tiempo", dijo. Wang. "En nuestro trabajo, combinamos la propiocepción con la visión por computadora para permitir que un robot con patas se mueva de manera eficiente y sin problemas, mientras evita obstáculos, en una variedad de entornos desafiantes, no solo en los bien definidos".

El sistema que desarrollaron Wang y su equipo utiliza un conjunto especial de algoritmos para fusionar datos de imágenes en tiempo real tomadas por una cámara de profundidad en la cabeza del robot con datos de sensores en las piernas del robot. Esta no fue una tarea sencilla. "El problema es que durante la operación en el mundo real, a veces hay un ligero retraso en la recepción de imágenes de la cámara", explicó Wang, "por lo que los datos de las dos modalidades de detección diferentes no siempre llegan al mismo tiempo".

La solución del equipo fue simular este desajuste al aleatorizar los dos conjuntos de entradas, una técnica que los investigadores llaman aleatorización de retraso multimodal. Luego, las entradas combinadas y aleatorias se usaron para entrenar una política de aprendizaje por refuerzo de manera integral. Este enfoque ayudó al robot a tomar decisiones rápidamente durante la navegación y anticipar los cambios en su entorno con anticipación, por lo que podía moverse y esquivar obstáculos más rápido en diferentes tipos de terrenos sin la ayuda de un operador humano.

En el futuro, Wang y su equipo están trabajando para hacer que los robots con patas sean más versátiles para que puedan conquistar terrenos aún más desafiantes. "En este momento, podemos entrenar a un robot para que realice movimientos simples como caminar, correr y evitar obstáculos. Nuestros próximos objetivos son permitir que un robot suba y baje escaleras, camine sobre piedras, cambie de dirección y salte obstáculos".

El equipo ha publicado su código en GitHub y el documento está disponible en arXiv servidor de preimpresión. + Explora más

Un robot que se enseña a sí mismo a caminar mediante el aprendizaje por refuerzo