Ingenieros desarrollan una receta para mejorar cualquier sistema robótico autónomo (con video)

Ingenieros desarrollan una receta para mejorar cualquier sistema robótico autónomo (con video)


23 de junio de 2022

(Noticias de Nanowerk) Los robots autónomos han recorrido un largo camino desde el sofisticado Roomba. En los últimos años, los sistemas de inteligencia artificial se han implementado en automóviles autónomos, entregas de comestibles en la última milla, servicio de restaurante, detección de pacientes, limpieza de hospitales, preparación de comidas, seguridad de edificios y empaque de almacenes.

Cada uno de estos sistemas robóticos es producto de un proceso de diseño ad hoc específico para ese sistema en particular. Al diseñar un robot autónomo, los ingenieros deben realizar innumerables simulaciones de prueba y error, a menudo basadas en su intuición. Estas simulaciones se adaptan a los componentes y tareas de un robot específico para ajustar y optimizar su rendimiento. De alguna manera, diseñar un robot autónomo hoy en día es como hornear un pastel desde cero, sin receta ni mezcla preparada previamente para garantizar un resultado exitoso.

Ahora, los ingenieros del MIT han desarrollado una herramienta de diseño general que los especialistas en robótica pueden usar como una especie de receta automatizada para el éxito. El equipo ha desarrollado un código de optimización que puede aplicarse a simulaciones de prácticamente cualquier sistema robótico autónomo y utilizarse para identificar automáticamente cómo y dónde debe optimizarse un sistema para mejorar el rendimiento de un robot.

El equipo demostró que la herramienta podía mejorar rápidamente el rendimiento de dos sistemas autónomos muy diferentes: uno en el que un robot navega por un camino entre dos obstáculos y otro en el que dos robots trabajan juntos para mover una caja pesada.

Los investigadores esperan que el nuevo optimizador multiusos pueda ayudar a acelerar el desarrollo de una amplia gama de sistemas autónomos, desde robots andantes y vehículos autónomos hasta robots suaves y diestros y equipos de robots colaborativos.

El equipo, que incluye a Charles Dawson, estudiante de posgrado del MIT, y ChuChu Fan, profesor asistente en el Departamento de Aeronáutica y Astronáutica del MIT, presentará sus hallazgos (Optimización del diseño de robots certificables mediante programación diferenciable) a fines de este mes en la Exposición anual de robótica. : Conferencia de Ciencia y Sistemas en Nueva York.

diseño inverso

Dawson y Fan reconocieron la necesidad de una herramienta de optimización general después de observar una gran cantidad de herramientas de diseño automatizadas disponibles para otras disciplinas de ingeniería.

«Si un ingeniero mecánico quisiera diseñar una turbina eólica, podría usar una herramienta CAD 3D para diseñar la estructura y luego usar una herramienta de análisis de elementos finitos para verificar que resistiría ciertas cargas», dice Dawson. «Sin embargo, faltan estas herramientas de diseño asistido por computadora para sistemas autónomos».

Por lo general, un especialista en robótica optimiza un sistema autónomo desarrollando primero una simulación del sistema y sus muchos subsistemas que interactúan, p. B. sus componentes de planificación, control, percepción y hardware. Luego necesita ajustar ciertos parámetros de cada componente y ejecutar la simulación para ver cómo se comportaría el sistema en este escenario.

Solo después de pasar por muchos escenarios a través de prueba y error, un especialista en robótica puede identificar la combinación óptima de ingredientes para lograr el rendimiento deseado. Es un proceso tedioso, excesivamente personalizado y lento que Dawson y Fan querían cambiar.

«En lugar de decir, ‘¿Cuál es el desempeño dado un diseño?’ queríamos revertir eso, para decir, ‘dado el rendimiento que queremos ver, ¿qué diseño nos llevará allí?’”, explica Dawson.

Los investigadores desarrollaron un marco de optimización, o código informático, que puede encontrar automáticamente optimizaciones que se pueden realizar en un sistema autónomo existente para lograr el resultado deseado.

En el corazón del código se encuentra la diferenciación automática, o «Autodiff», una herramienta de programación desarrollada dentro de la comunidad de aprendizaje automático y originalmente utilizada para entrenar redes neuronales. Autodiff es una técnica que puede «evaluar la derivada» o la sensibilidad a los cambios en cualquier parámetro en un programa de computadora de manera rápida y eficiente. Dawson y Fan se basaron en avances recientes en la programación de diferencias automáticas para desarrollar una herramienta de optimización de propósito general para sistemas robóticos autónomos.

«Nuestro método nos dice automáticamente cómo dar pequeños pasos desde un borrador inicial hasta un borrador que logre nuestros objetivos», dice Dawson. «Usamos Autodiff para profundizar esencialmente en el código que define un simulador y descubrir cómo hacer esa inversión automáticamente».

Construir mejores robots

El equipo probó su nueva herramienta en dos sistemas robóticos autónomos separados y demostró en experimentos de laboratorio que la herramienta mejoró rápidamente el rendimiento de cada sistema en comparación con los métodos de optimización tradicionales.

El primer sistema consistía en un robot con ruedas encargado de planificar un camino entre dos obstáculos en función de las señales recibidas de dos balizas ubicadas en diferentes ubicaciones. El equipo trató de encontrar la ubicación óptima de las balizas que brindaría un camino claro entre los obstáculos.

Descubrieron que el nuevo optimizador funcionó rápidamente a través de la simulación del robot, identificando la mejor ubicación de las balizas en cinco minutos, en comparación con los 15 minutos con los métodos tradicionales.

El segundo sistema era más complejo y consistía en dos robots con ruedas que trabajaban juntos para empujar una caja hacia una ubicación objetivo. Una simulación de este sistema incluía muchos otros subsistemas y parámetros. Aún así, la herramienta del equipo identificó de manera eficiente los pasos que los robots deben seguir para alcanzar su objetivo, en un proceso de optimización que fue 20 veces más rápido que los enfoques tradicionales.

«Si su sistema tiene más parámetros para ajustar, nuestra herramienta puede funcionar aún mejor y ahorrar exponencialmente más tiempo», dice Fan reduce de una sola vez.

El equipo ha hecho que el optimizador general esté disponible para su descarga y planea perfeccionar aún más el código para aplicarlo a sistemas más complejos, como B. Robots diseñados para interactuar y colaborar con humanos.

«Nuestro objetivo es capacitar a las personas para que construyan mejores robots», dice Dawson. «Estamos proporcionando un nuevo bloque de construcción para optimizar su sistema para que no tengan que empezar desde cero».



Related post

El equipo Autopilot de Tesla y Cybertruck visitan Nueva Orleans para CVPR

El equipo Autopilot de Tesla y Cybertruck visitan Nueva…

El equipo de piloto automático de Tesla visitó recientemente Nueva Orleans para la Conferencia sobre visión artificial y reconocimiento de patrones…
El programa interactivo de los científicos informáticos ayuda a planificar el movimiento para entornos con obstáculos – ScienceDaily

El programa interactivo de los científicos informáticos ayuda a…

Al igual que nosotros, los robots no pueden ver a través de las paredes. A veces necesitan un poco de ayuda…
Toma lecciones en realidad virtual con Immerse, una aplicación de voz para Quest 2

Toma lecciones en realidad virtual con Immerse, una aplicación…

En el metaverso, imagínese llegando tarde a la escuela. Bucear es una plataforma educativa de metaverso desarrollada en colaboración con los…

Leave a Reply

Tu dirección de correo electrónico no será publicada.