Doble

Por Brianna Wessling | 24 de agosto de 2023

Investigadores de la Universidad de Bristol con sede en el Laboratorio de Robótica de Bristol han diseñado un sistema bitáctil que permite a los robots realizar tareas manuales detectando qué hacer desde un asistente digital. El sistema puede ayudar a un robot bimanual a mostrar una sensibilidad táctil cercana a la destreza del nivel humano utilizando IA para informar sus acciones.

El equipo de investigación desarrolló un sistema robótico táctil de dos brazos que aprende habilidades bimanuales mediante el aprendizaje por refuerzo profundo (Deep-RL). Este tipo de aprendizaje está diseñado para enseñar a los robots a hacer cosas permitiéndoles aprender mediante prueba y error, similar a entrenar a un perro con recompensas y castigos.

El equipo comenzó su investigación construyendo un mundo virtual que contiene dos brazos robóticos equipados con sensores táctiles. A continuación, diseñaron funciones de recompensa y un mecanismo de actualización de objetivos que podría alentar a los agentes robóticos a aprender a realizar tareas bimanuales. Luego desarrollaron un sistema robótico táctil de doble brazo del mundo real para aplicar el agente.

“Con nuestro sistema Bi-Touch, podemos entrenar fácilmente a agentes de IA en un mundo virtual en un par de horas para realizar tareas bimanuales [adaptadas al] tacto. Y lo que es más importante, podemos aplicar directamente estos agentes del mundo virtual al mundo real sin necesidad de más formación”, afirmó el autor principal, Yijiong Lin, de la Facultad de Ingeniería de la Universidad de Bristol. "El agente bimanual táctil puede resolver tareas incluso bajo perturbaciones inesperadas y manipular objetos delicados de forma suave".

Para la manipulación robótica, por ejemplo, el robot aprende a tomar decisiones intentando diversos comportamientos para lograr tareas designadas, como levantar objetos sin dejarlos caer ni romperlos. Cuando el robot tiene éxito, recibe un premio, cuando falla, aprende qué no hacer.

Con el tiempo, descubre las mejores formas de agarrar cosas utilizando estas recompensas y castigos. El agente de IA es visualmente ciego mientras realiza este aprendizaje y se basa únicamente en la retroalimentación táctil y la retroalimentación propioceptiva, que es la capacidad del cuerpo para sentir el movimiento, la acción y la ubicación.

"Nuestro sistema Bi-Touch muestra un enfoque prometedor con software y hardware asequibles para aprender [comportamientos] bimanuales con tacto en simulación, que se puede aplicar directamente al mundo real", dijo el coautor, el profesor Nathan Lepora. "Nuestra simulación de robot táctil de doble brazo desarrollada permite realizar más investigaciones sobre tareas más diferentes, ya que el código será de código abierto, lo que es ideal para desarrollar otras tareas posteriores".

Utilizando este método, los investigadores pudieron permitir que el robot de doble brazo levantara de forma segura artículos tan frágiles como un solo chip Pringle. Este desarrollo podría ser útil en industrias como la recolección de frutas y el servicio doméstico y, eventualmente, para recrear el tacto en extremidades artificiales.

La investigación del equipo fue publicada en IEEE Robotics and Automation Letters.