Avances en la manipulación flexible mediante la aplicación de técnicas basadas en inteligencia artificial

La industria de la fabricación fue una de las primeras en incorporar robots para automatizar procesos costosos, con el objetivo de aumentar su producción y reducir costes. Actualmente, los robots tienen una presencia importante prácticamente en cualquier industria, generalmente llevando a cabo tareas simples y repetitivas. Nos encontramos en la transición entre la Industria 4.0 y 5.0, donde además de la productividad también se busca la flexibilidad para ajustar los procesos a las necesidades específicas del cliente.

Coger y dejar objetos son dos operativas básicas prácticamente en cualquier aplicación robótica. Las soluciones convencionales de "pick and place" con robots industriales actualmente existentes en la industria se caracterizan por su eficiencia a la hora de realizar tareas simples y repetitivas.

Sin embargo, estos son sistemas muy rígidos, trabajan en entornos totalmente controlados, y supone un coste muy alto reprogramarlos para realizar otras tareas. Actualmente existen tareas en distintos entornos industriales (p.ej. preparación de pedidos en un entorno de logística) que requieren de una manipulación flexible de los objetos y que todavía no se han podido automatizar debido a su naturaleza.

Los principales cuellos de botella que dificultan su automatización son la variedad en los objetos a manipular, falta de destreza de los robots y la incertidumbre que introducen los entornos dinámicos no controlados.

Por el contrario, la robótica avanzada, además de la productividad, busca la flexibilidad de los sistemas. Este tipo de robótica se aplica en problemas que requieren una toma de decisiones avanzada o en entornos no tan estructurados, utilizando robots colaborativos.

La inteligencia artificial (IA) cada vez juega un papel más importante dentro de la robótica, ya que dota a los robots de la capacidad necesaria para resolver tareas complejas. Además, la IA permite aprender comportamientos complejos utilizando experiencia real, reduciendo así considerablemente el coste de la programación.

Dadas las limitaciones de los sistemas robóticos actuales para manipular objetos, el objetivo principal es aumentar la flexibilidad de estos sistemas de manipulación utilizando algoritmos basados en IA, dotando a los sistemas robóticos con las capacidades necesarias para ajustarse a entornos dinámicos sin necesidad de ser reprogramados. Concretamente, nos centramos en superar los límites en tres líneas de investigación concretas relacionadas con el "pick and place":

• La primera línea de investigación se enfoca en estudiar la viabilidad de aprender una política de posicionamiento para la base de un manipulador móvil, con el objetivo de habilitar al brazo para coger un objeto. Concretamente, proponemos aprender ese comportamiento utilizando la experiencia adquirida mediante la interacción con el entorno y así evitar su programación.
• La segunda línea de investigación busca desarrollar un sistema de detección de puntos de agarre para objetos arbitrarios. La idea es que dicho módulo sea capaz de estimar puntos de agarre sobre una gran variedad de objetos en escenas de bin-picking, evitando así la necesidad de configurar el sistema para cada referencia. Concretamente, proponemos realizar directamente el aprendizaje sobre nubes de puntos n-dimensionales etiquetados por un experto, y demostramos que se obtiene una precisión mayor que un sistema de referencia basado en imágenes 2D.
• La última línea de investigación se basa en el desarrollo de un algoritmo dinámico para la generación de mosaicos de empaquetado de objetos. Precisamente, el algoritmo de generación de mosaicos que se propone es capaz de calcular mosaicos con objetos arbitrarios y de manera online. La validación del sistema llevada a cabo en un prototipo robótico real demuestra la flexibilidad del sistema de empaquetado para generar mosaicos con una gran variedad de objetos.