Investigadores intentan que los robots aprendan a utilizar materiales blandos como la cuerda

Investigadores intentan que los robots aprendan a utilizar materiales blandos como la cuerda

Investigadores de la Universidad de Michigan trabajan para que los robots sean más funcionales y capaces en el mundo real. Los investigadores que trabajan en el estudio afirman que los modelos que utilizan los robots para realizar tareas suelen funcionar bien en un entorno estructurado dentro del laboratorio. Sin embargo, cuando los robots se utilizan fuera del laboratorio, algunos de los modelos más sofisticados resultan inadecuados en determinadas situaciones. Las situaciones que resultan especialmente difíciles para los robots son el trabajo con materiales blandos como cuerdas o telas.

Los investigadores de la Universidad de Michigan han creado un método para que los robots puedan predecir cuándo no pueden confiar en sus modelos de funcionamiento y para que se recuperen cuando consideren que el modelo que rige su control es deficiente. Esencialmente, el equipo trata de enseñar al robot a arreglárselas con lo que tiene, según el estudiante de doctorado en robótica Peter Mitrano. El objetivo de los investigadores es que el robot sea capaz de coger cosas y moverlas sin conocer la física o la geometría de todo.

Crearon un modelo sencillo de la dinámica de una cuerda mientras se mueve por un espacio abierto. El equipo añadió obstáculos y creó un clasificador que aprendía cuando el modelo simple de la cuerda era fiable, pero no intentaba comprender el comportamiento más complejo de cómo la cuerda interactuaba con los objetos. El equipo añadió entonces pasos de recuperación si el robot se encontraba con una situación, como cuando la cuerda chocaba con un obstáculo, y el clasificador determinaba que el modelo simple no era fiable.

Los investigadores afirman que su enfoque se inspiró en otros ámbitos de la ciencia y la robótica, donde los modelos simples siguen siendo útiles. Utilizando el modelo simple de una cuerda, el equipo desarrolló formas de asegurarse de que el objeto se utiliza en situaciones apropiadas en las que el modelo es fiable, lo que permite al robot generalizar sus conocimientos en situaciones nuevas con las que nunca se ha encontrado.