por
Si está en un escritorio con un bolígrafo o lápiz a mano, intente esto: tome el bolígrafo por un extremo con el pulgar y el índice y empuje el otro extremo contra el escritorio. Deslice los dedos a lo largo del bolígrafo, luego déle la vuelta sin dejarlo caer. No es muy difícil, ¿verdad?
Pero para un robot, por ejemplo, el que ordena una cesta de objetos e intenta agarrar uno, es una maniobra tediosa en el frente de TI. Incluso antes de intentar el movimiento, debe calcular una letanía de propiedades y probabilidades, como la fricción y la geometría de la mesa, el bolígrafo y sus dos dedos, y la forma en que varias combinaciones de estas propiedades interactúan mecánicamente, basado en las leyes básicas de la física.
Ahora, los ingenieros del MIT han encontrado una manera de acelerar drásticamente el proceso de planificación requerido para que un robot se ajuste a un objeto empujándolo contra una superficie fija. Si bien los algoritmos tradicionales requieren decenas de minutos para planificar una secuencia de movimientos, el nuevo enfoque de equipo reduce este proceso de planificación a menos de un segundo.
Alberto Rodríguez, profesor asociado de ingeniería mecánica en el MIT, dice que el proceso de planificación más rápido permitirá a los robots, especialmente en entornos industriales, comprender rápidamente cómo empujar, arrastrar o usar las características de su entorno para reposicionar objetos a su alcance. . Tal manipulación ágil es útil para todas las tareas que involucran la selección y clasificación o incluso el uso complejo de herramientas.
"Es una forma de extender la destreza de las pinzas robóticas incluso simples, porque al final, el entorno es lo que cada robot tiene a su alrededor", dice Rodríguez.
Los resultados del equipo se publican hoy en La Revista Internacional de Investigación en Robótica. Los coautores de Rodríguez son el autor principal Nikhil Chavan-Dafle, un estudiante graduado en ingeniería mecánica, y Rachel Holladay, una estudiante graduada en ingeniería eléctrica y ciencias de la computación.
Física en cono
El grupo Rodríguez se esfuerza por permitir que los robots aprovechen su entorno para ayudarlos a realizar tareas físicas, como seleccionar y clasificar objetos en una cesta.
Los algoritmos existentes generalmente toman horas para planificar una secuencia de movimientos para una pinza robótica, principalmente porque, para cada movimiento que considera, el algoritmo primero debe calcular si ese movimiento respondería a un una serie de leyes físicas, como las leyes del movimiento de Newton y las de Coulomb. ley que describe las fuerzas de fricción entre objetos.
"Es un proceso de cálculo tedioso integrar todas estas leyes, considerar todos los movimientos posibles que puede hacer el robot y elegir una regla útil entre ellos", dice Rodríguez.
Con sus colegas, encontró una forma compacta de resolver la física de estas manipulaciones, antes de decidir cómo debería moverse la mano del robot. Lo hicieron usando "conos de movimiento", que son esencialmente mapas de fricción en forma de cono.
El interior del cono describe todos los movimientos de empuje que pueden aplicarse a un objeto en una ubicación específica, al tiempo que satisface las leyes básicas de la física y permite que el robot permanezca en posesión del objeto. El espacio fuera del cono representa todos los empujes que pueden arrastrar un objeto fuera del alcance del robot.
"Las variaciones aparentemente simples, como la fuerza del agarre de un objeto por un robot, pueden alterar significativamente la forma en que el objeto se mueve entre las manos cuando se empuja", explica Holladay. "Dependiendo de su dificultad para comprender, habrá un movimiento diferente. Y eso es parte del razonamiento físico que admite el algoritmo. "
El algoritmo del equipo calcula un cono de movimiento para diferentes configuraciones entre una pinza robótica, un objeto que contiene y el entorno que empuja para seleccionar y encadenar diferentes empujes alcanzables para reposicionar la caña. objeto.
Un nuevo algoritmo acelera el proceso de planificación para pinzas robóticas. Un robot en el laboratorio toma una letra, T, y la empuja contra una pared cercana para inclinarla nuevamente, antes de volver a colocarla en posición vertical.
"Es un proceso complicado pero aún mucho más rápido que el método tradicional. Muy rápido, lleva medio segundo planificar una serie de intentos ", dice Holladay.
Grandes proyectos
Los investigadores probaron el nuevo algoritmo en una configuración física con una interacción de tres vías, en la que una sola pinza robótica sostenía un bloque en forma de T y empujaba contra una barra vertical. Utilizaron varias configuraciones iniciales, el robot sujetó el bloque en una posición particular y lo empujó contra la barra en cierto ángulo. Para cada configuración inicial, el algoritmo generó instantáneamente el mapa de todas las fuerzas posibles que el robot podría aplicar y la posición del bloque resultante.
"Hemos hecho varios miles de intentos para verificar que nuestro modelo predice correctamente lo que está sucediendo en el mundo real", dice Holladay. "Si aplicamos presión dentro del cono, el objeto incautado debe permanecer bajo control. Si está afuera, el objeto debe deslizarse del zócalo. "
Los investigadores descubrieron que las predicciones del algoritmo coincidían de manera confiable con el resultado físico en el laboratorio, al predecir secuencias de movimiento, como reorientar el bloque contra la barra antes de colocarlo en una mesa en posición vertical. en menos de un segundo, algoritmos tradicionales que tardan más de 500 segundos en planearse.
"Gracias a esta representación compacta de los mecanismos de esta interacción tripartita entre un robot, un objeto y su entorno, ahora podemos abordar problemas de planificación más grandes", dice Rodríguez.
El grupo espera aplicar y ampliar su enfoque para permitir que una pinza robótica maneje diferentes tipos de herramientas, por ejemplo, en un contexto de fabricación.
"La mayoría de los robots de fábrica que usan herramientas tienen una mano especialmente diseñada. En lugar de tener la capacidad de agarrar un destornillador y usarlo de muchas maneras diferentes, solo hacen un destornillador manual ", dice Holladay. "Se puede imaginar que esto requiere una planificación menos ágil, pero es mucho más restrictivo". Nos gustaría que un robot pueda usar y recuperar muchas cosas diferentes. "
Esta investigación fue financiada en parte por Mathworks, la Alianza MIT-HKUST y la National Science Foundation.
