Al igual que los niños pequeños, los robots pueden necesitar un poco de ayuda mientras aprenden a desenvolverse en el mundo físico. Un nuevo programa utiliza suaves estímulos físicos para guiar a las máquinas hacia formas más útiles y humanas de trabajar codo con codo con las personas.
«Históricamente, la función de los robots era hacerse cargo de las tareas rutinarias que no queremos hacer: la fabricación, las cadenas de montaje, la soldadura y la pintura», afirma Marcia O’Malley, profesora de ingeniería mecánica, ingeniería eléctrica e informática, y ciencias de la computación en la Universidad Rice.
«A medida que estamos más dispuestos a compartir información personal con la tecnología, como cuando mi reloj registra cuántos pasos doy, esa tecnología también se incorpora a dispositivos físicos.
«Los robots ya están en nuestros hogares aspirando, controlando los termostatos o cortando el césped», afirma. «La tecnología impregna nuestras vidas de todo tipo de maneras. Ya hablo con Alexa en la cocina, así que ¿por qué no tener también máquinas con las que podamos colaborar físicamente? Gran parte de nuestro trabajo consiste en hacer seguras las interacciones entre humanos y robots».
Tradicionalmente, los robots adaptados para responder a la interacción física entre humanos y robots (pHRI, por sus siglas en inglés) tratan esas interacciones como perturbaciones y reanudan su comportamiento original cuando terminan. Para el nuevo estudio, los investigadores mejoraron la pHRI con un método que permite a las personas ajustar físicamente la trayectoria de un robot en tiempo real.
En el centro del programa está el concepto de control de impedancia: literalmente, una forma de gestionar lo que sucede cuando alguien empuja. Un robot que permite el control de impedancia mediante una acción física ajusta su trayectoria programada para responder, pero vuelve a la trayectoria inicial cuando cesa la acción.
Según se informa en IEEE Explore, el nuevo algoritmo se basa en ese concepto y permite al robot ajustar su recorrido más allá de la intervención y calcular una nueva ruta hacia su objetivo, algo parecido a un sistema GPS que recalcula el camino al destino cuando el conductor se salta un giro.
Dylan Losey, estudiante de posgrado que trabaja con O’Malley, pasó gran parte del verano pasado en el laboratorio de Anca Dragan, profesora adjunta de ingeniería eléctrica y ciencias de la computación en la Universidad de California, Berkeley, poniendo a prueba la teoría.
Él y otros estudiantes entrenaron un brazo y una mano robóticos para llevar una taza de café por un escritorio y, después, utilizaron la pHRI mejorada para mantenerla alejada del teclado de una computadora y a una altura suficientemente baja para que no se rompiera si se caía. (En las Proceedings of Machine Learning Research.)
El objetivo era deformar la trayectoria programada del robot mediante la interacción física. «En este caso, el robot tiene un plan, o una trayectoria deseada, que describe cómo cree que debe realizar la tarea», escribe Losey en un ensayo sobre los experimentos de Berkeley. «Introdujimos un algoritmo en tiempo real que modificaba, o deformaba, la trayectoria deseada futura del robot».
En el modo de impedancia, el robot volvía sistemáticamente a su trayectoria original después de una interacción. En el modo de aprendizaje, la retroalimentación modificaba no solo el estado del robot en el momento de la interacción, sino también cómo avanzaba hacia el objetivo, explica Losey.
Por ejemplo, si el usuario le indicaba que evitara pasar la taza por encima del teclado, el robot seguiría haciéndolo en el futuro. «Al volver a planificar la trayectoria deseada del robot después de cada nueva observación, el robot pudo generar un comportamiento acorde con las preferencias de la persona», afirma.
En otras pruebas participaron 10 estudiantes que utilizaron OpenWrist, el robot de rehabilitación con retroalimentación de fuerza del laboratorio de O’Malley, para mover un cursor alrededor de obstáculos en la pantalla de una computadora y llevarlo hasta un punto azul. Primero se utilizó el control de impedancia estándar y luego el control de impedancia con deformación de trayectoria mediante interacción física, un análogo de la pHRI que permitió a los estudiantes entrenar el dispositivo para que aprendiera nuevas trayectorias.
Las pruebas con deformación de trayectoria resultaron físicamente más fáciles y requirieron mucha menos interacción para alcanzar el objetivo. Los experimentos demostraron que las interacciones pueden programar robots que, de otro modo, serían autónomos y tienen varios grados de libertad; en este caso, flexionar un brazo y girar una muñeca.
Una limitación actual es que la pHRI todavía no puede modificar el tiempo que tarda un robot en realizar una tarea, pero eso está previsto.
«El cambio de paradigma de este trabajo consiste en que, en lugar de tratar a una persona como una perturbación aleatoria, el robot debería considerarla un ser racional que tiene un motivo para interactuar e intenta comunicar algo importante», afirma Losey. «El robot no debería limitarse a apartarse. Debería aprender qué ocurre y hacer mejor su trabajo».
