El robot pensando par ver cuál cajón abría. Foto Desingh et al, Sci. Robot
Parece fácil, pero no lo es: que un robot pueda tomar una
decisión y planear en consecuencia sus acciones. Pensar antes de actuar.
Por ejemplo, para interactuar con un armario o gabinete,
debe conocer todas sus formas y posiciones, porque puede estar mediotapado por
una toalla o una manta y lo deben conocer para abrir o cerrar los cajones.
Científicos acaban de revelar en Science Robotics el
desarrollo de un algoritmo más eficiente con múltiples posiciones de objetos
juntos, que usaron para enseñarle a un robot a planear sus acciones.
El algoritmo puede ayudar a mejorar el funcionamiento de
robots en servicio en una casa y su capacidad de interactuar efectivamente con
objetos juntos y herramientas, como los elementos de una cocina y el mobiliario
en un ambiente congestionado.
Así, deben conocer cómo es cada objeto y sus diferentes
posiciones o formas.
No es sencillo por las variaciones ambientales y las
incertidumbres observacionales.
Karthik Desingh y colegas se sobrepusieron a esta
dificultad diseñando un algoritmo que usó observaciones parciales del sensor
para formular estimaciones de las posiciones. El algoritmo es denominado PMPNBP
y formula razonamiento a partir de variables aleatorias, cada una representando
distintas probabilidades de una secuencia de estimaciones de la ubicación, con
las observaciones previas del robot.
En una simulación 2-D, el algoritmo permitió cálculos de
estimaciones de un armario dentro de 100 iteraciones, incluso cuando la percepción
del estante estaba bloqueada por una sábana.
El algoritmo también fue implementado en un brazo del
robot, que fue capaz de calcular la posición antes de abrir el cajón deseado.
Es un avance con respecto al algoritmo usado hasta ahora
que ha mostrado algunas limitaciones.
Hasta que los robots caminen y se defiendan solos en
todas sus actividades en casas u otros espacios.
No hay comentarios:
Publicar un comentario