Garantizar que los robots puedan colaborar sin problemas con los humanos en entornos del mundo real es un paso crucial hacia su implementación a gran escala.Si bien algunos sistemas robóticos ya interactúan diariamente con agentes humanos, por ejemplo en instalaciones industriales y de fabricación parcialmente automatizadas, la colaboración entre humanos y robots en las tareas cotidianas sigue siendo escasa.

Investigadores de la Universidad de Padua y de los Laboratorios de Investigación Mitsubishi Electric (MERL) en Cambridge han desarrollado un marco que ayuda a planificar tareas que implican la colaboración entre humanos y robots.Este marco, introducido en unpapelprepublicado en elarXivserver, se centra específicamente en tareas que implican el ensamblaje colaborativo de sistemas complejos con varios componentes subyacentes, como muebles.

Los investigadores llamaron a su marco DECAF, que significa Marco de ensamblaje colaborativo entre humanos y robots basado en eventos discretos para muebles.DECAF tiene varios componentes subyacentes, incluido un modelo de proceso de decisión de Markov de eventos discretos (DE-MDP), una descripción HTM del proceso de ensamblaje y un módulo de interferencia bayesiano.

"El ser humano se caracteriza como un agente incontrolable, lo que implica, por ejemplo, que el agente no está sujeto a una secuencia preestablecida de acciones y en cambio actúa según sus propias preferencias", escribieron Giulio Giacomuzzo, Matteo Terreran y sus colegas en supapel."Mientras tanto, eltareaEl planificador calcula reactivamente las acciones óptimas para que el robot colaborativo complete eficientemente toda la tarea de montaje en el menor tiempo posible".

Con el marco recientemente desarrollado, el proceso de ensamblaje colaborativo abarca varios pasos.En primer lugar, el robot observa las acciones realizadas por el agente humano, a través de una cámara u otros sensores.

Con base en estas observaciones, el modelo DECAF planifica acciones para el robot que maximizarían la eficiencia del equipo robot-humano para completar las tareas de ensamblaje en cuestión, al mismo tiempo que adaptarían estas acciones después de eventos impredecibles.El equipo modeló el ensamblaje de muebles u otros objetos utilizando un marco matemático utilizado a menudo para enmarcar procesos específicos de toma de decisiones, conocido como DE-MDP.

"Formalizamos el problema como DE-MDP, un marco integral que incorpora una variedad de comportamientos asincrónicos, el cambio de mentalidad humana y la recuperación de fallas como eventos estocásticos", escribieron Giacomuzzo, Terreran y sus colegas.

"Aunque, en teoría, el problema podría abordarse mediante la construcción de un gráfico de todas las acciones posibles, dicho enfoque estaría limitado por limitaciones computacionales. La formulación propuesta ofrece una solución alternativa que utiliza el aprendizaje por refuerzo para derivar una política óptima para el robot".

Básicamente, el modelo DE-MDP se utiliza para desglosar una tarea de ensamblaje e identificar acciones óptimas que permitirían al robot abordarla de manera eficiente en colaboración con un agente humano.El segundo componente del marco DECAF, a saber, el modelo HTM, codifica la interdependencia entre varias subtareas, facilitando así el proceso de planificación.

Finalmente, el equipo integró un módulo basado en un enfoque estadístico conocido como interferencia bayesiana, que normalmente se utiliza para actualizar continuamente la probabilidad de que una hipótesis determinada sea cierta a medida que hay más información disponible.Este módulo permite que el marco monitoree las acciones del agente humano y las utilice para predecir las intenciones de un agente humano.

Los investigadores evaluaron DECAF en una serie de pruebas y lo ejecutaron tanto en simulación como en un entorno del mundo real.Para el experimento real, se pidió a 10 participantes adultos que ensamblaran una silla comprada en IKEA en colaboración con un manipulador robótico de 7 grados de libertad (es decir, el brazo Franka Emika Panda).

Los resultados de las pruebas iniciales realizadas por el equipo fueron muy prometedores.En simulaciones, el DECAFestructuraSe descubrió que superaba las políticas de planificación estándar, mientras que durante los experimentos del mundo real parecía mejorar la eficiencia y la calidad de la colaboración entre humanos y robots.

"En el futuro, planeamos incluir otras métricas óptimas más allá del tiempo de ejecución, como la seguridad humana, la correlación de acciones y la ergonomía humana", escribieron los investigadores.

© 2024 Red Ciencia X