Al igual que los conductores respetan las normas de circulación, la mayoría de los peatones sigue ciertos códigos sociales al desplazarse por un pasillo o una vía concurrida: mantenerse a la derecha, adelantar por la izquierda, guardar una distancia prudente y estar preparados para zigzaguear o cambiar de rumbo para esquivar obstáculos que se aproximan, sin dejar de caminar a un ritmo constante.
Ahora, ingenieros del MIT han diseñado un robot autónomo con «navegación consciente de lo social» que puede mantener el ritmo del tránsito peatonal y respetar estas normas generales de conducta de los peatones.
En pruebas de conducción realizadas en el Stata Center del MIT, el robot, que se parece a un quiosco con ruedas a la altura de la rodilla, evitó colisiones con éxito mientras mantenía el ritmo del flujo peatonal medio. Los investigadores detallaron el diseño del robot en un artículo que presentarán en septiembre en la Conferencia del IEEE sobre Robots y Sistemas Inteligentes.
«La navegación consciente de lo social es una capacidad fundamental para los robots móviles que operan en entornos donde deben interactuar con frecuencia con los peatones», afirma Yu Fan «Steven» Chen, quien dirigió el trabajo cuando era estudiante de posgrado del MIT y es el autor principal del estudio. «Por ejemplo, pequeños robots podrían circular por las aceras para entregar paquetes y comida. Del mismo modo, los dispositivos de movilidad personal podrían transportar personas en espacios grandes y concurridos, como centros comerciales, aeropuertos y hospitales».
Los coautores de Chen son el estudiante de posgrado Michael Everett, el ex investigador posdoctoral Miao Liu y Jonathan How, profesor Richard Cockburn Maclaurin de Aeronáutica y Astronáutica del MIT.
Conducir con sentido social
Para que un robot se desplace de forma autónoma por un entorno muy transitado, debe resolver cuatro desafíos principales: localización (saber dónde se encuentra), percepción (reconocer el entorno), planificación del movimiento (identificar la ruta óptima hacia un destino determinado) y control (ejecutar físicamente la ruta deseada).
Chen y sus colegas recurrieron a métodos estándar para resolver los problemas de localización y percepción. Para esta última, equiparon el robot con sensores comerciales, como cámaras web, un sensor de profundidad y un sensor lidar de alta resolución. Para la localización, utilizaron algoritmos de código abierto para cartografiar el entorno del robot y determinar su posición. Para controlarlo, emplearon métodos estándar utilizados para conducir vehículos terrestres autónomos.
«La parte del campo en la que pensamos que debíamos innovar era la planificación del movimiento», afirma Everett. «Una vez que sabes dónde estás y cómo seguir trayectorias, ¿qué trayectorias deberías seguir?»
Es un problema complicado, sobre todo en entornos con muchos peatones, donde a menudo es difícil predecir las trayectorias individuales. Como solución, a veces los especialistas en robótica adoptan un enfoque basado en trayectorias: programan un robot para que calcule una ruta óptima que tenga en cuenta las trayectorias que desean seguir las demás personas. Es necesario inferir esas trayectorias a partir de los datos de los sensores, porque las personas no le dicen explícitamente al robot adónde intentan ir.
«Pero esto tarda muchísimo en calcularse. El robot se queda parado, intentando decidir qué hacer, mientras la persona ya ha pasado de largo antes de que decida: “Probablemente debería ir a la derecha”», afirma Everett. «Así que ese enfoque no es muy realista, sobre todo si quieres avanzar más rápido».
Otros han empleado enfoques más rápidos «basados en la reacción», en los que se programa el robot con un modelo sencillo, basado en la geometría o la física, para calcular rápidamente una ruta que evite colisiones.
Según Everett, el problema de los enfoques basados en la reacción es lo impredecible de la naturaleza humana: la gente rara vez sigue una trayectoria recta y geométrica; más bien, zigzaguea y deambula, desviándose para saludar a un amigo o comprar un café. En un entorno tan impredecible, esos robots tienden a chocar con las personas o a parecer que los empujan de un lado a otro porque las evitan en exceso.
«La crítica a los robots en situaciones reales es que pueden ser demasiado cautelosos o agresivos», afirma Everett. «La gente no considera que respeten las normas sociales aceptadas, como dejar suficiente espacio o desplazarse a velocidades adecuadas, y terminan estorbando más de lo que ayudan».
Días de entrenamiento
El equipo encontró una forma de superar esas limitaciones, lo que permitió al robot adaptarse al comportamiento impredecible de los peatones mientras se desplazaba continuamente con el flujo y seguía los códigos sociales habituales de conducta peatonal.
Utilizaron el aprendizaje por refuerzo, un tipo de aprendizaje automático, y realizaron simulaciones por ordenador para entrenar al robot a seguir ciertas rutas en función de la velocidad y la trayectoria de otros objetos del entorno. El equipo también incorporó normas sociales a esta fase de entrenamiento fuera de línea: en las simulaciones, alentaron al robot a adelantar por la derecha y lo penalizaron cuando adelantaba por la izquierda.
«Queremos que se desplace con naturalidad entre las personas y que no sea intrusivo», afirma Everett. «Queremos que siga las mismas normas que los demás».
La ventaja del aprendizaje por refuerzo es que los investigadores pueden realizar fuera de línea estos escenarios de entrenamiento, que requieren mucho tiempo y capacidad de cálculo. Una vez entrenado el robot en una simulación, los investigadores pueden programarlo para que siga las rutas óptimas identificadas en las simulaciones cuando reconozca una situación similar en el mundo real.
Los investigadores hicieron que el robot evaluara el entorno y ajustara su ruta cada décima de segundo. De este modo, puede seguir avanzando por un pasillo a la velocidad habitual de marcha de 1,2 metros por segundo, sin detenerse para reprogramar su ruta.
«Ya no planificamos toda la ruta hasta el objetivo; eso dejó de tener sentido, especialmente si suponemos que el mundo está cambiando», afirma Everett. «Simplemente observamos lo que vemos, elegimos una velocidad, la mantenemos durante una décima de segundo, volvemos a observar el entorno, elegimos otra velocidad y seguimos. Así, creemos que nuestro robot parece más natural y anticipa lo que hacen las personas».
Control de multitudes
Everett y sus colegas probaron el robot en los concurridos y sinuosos pasillos del edificio Stata del MIT, donde pudo conducir de forma autónoma durante períodos de hasta 20 minutos. Se desplazó con fluidez junto al flujo peatonal, manteniéndose generalmente a la derecha en los pasillos, adelantando ocasionalmente a las personas por la izquierda y evitando cualquier colisión.
«Queríamos llevarlo a un lugar donde la gente estuviera haciendo sus actividades cotidianas, yendo a clase y comprando comida, y demostramos que podía desenvolverse bastante bien en todas esas situaciones», afirma Everett. «Una vez incluso había un grupo de turistas y los esquivó a la perfección».
Everett afirma que, de cara al futuro, planea explorar cómo podrían manejar los robots las multitudes en entornos peatonales.
«Las multitudes tienen una dinámica distinta a la de las personas individuales, y quizá haya que aprender algo completamente diferente si se ve a cinco personas caminando juntas», afirma Everett. «Puede que exista una norma social como: “No pases entre las personas, no las separes, trátalas como un solo grupo”. Es algo que estamos estudiando para el futuro».
Esta investigación fue financiada por Ford Motor Company.
