Archivo del Autor: ecarletti

Control de motores de CC por Ancho de Pulso (PWM)

Deja un comentario

La Regulación por Ancho de Pulso de un motor de CC está basada en el hecho de que si se recorta la CC de alimentación en forma de una onda cuadrada, la energía que recibe el motor disminuirá de manera proporcional a la relación entre la parte alta (habilita corriente) y baja (cero corriente) del ciclo de la onda cuadrada. Controlando esta relación se logra variar la velocidad del motor de una manera bastante aceptable.

El circuito que se ve a continuación es un ejemplo de un control de Regulación de Ancho de Pulso (PWM, Pulse-Width-Modulated en inglés), que se podría adaptar al circuito de un Puente H (Puente H: Circuito para controlar motores de corriente continua. El nombre se refiere a la posición en que quedan los transistores en el diagrama del circuito).

El primer circuito —con el MOSFET de potencia BUZ11— permite controlar motores medianos y grandes, hasta 10 A de corriente. El segundo circuito —con el transistor 2N2222A— es para motores pequeños, que produzcan una carga de hasta 800 mA.

El que sigue es un circuito genérico de generación de pulsos que se puede utilizar en aquellos lugares donde sea necesario un pulso digital no demasiado preciso. Cambiando los valores de R1 y R2 se ajusta la frecuencia básica. El potenciómetro regula el ancho de pulso.

A continuación, el circuito básico y la fórmula para calcular los anchos de pulso generados por el integrado 555.

Completando la información básica, debemos saber que la mayoría de los microcontroladores poseen generadores de ancho de pulso modulado para control de velocidad de motores y otros controles de potencia digitales, como el brillo de un led o de una lámpara. En las salidas digitales del Arduino UNO se identifica la capacidad PWM con un símbolo ~. En el Arduino UNO los pines 3, 5, 6, 9, 10 y 11 tienen capacidad de salida de pulsos digitales con ancho modulado:

En estos módulos PWM de los microcontroladores, la proporción de tiempo que está encendida la señal respecto al total del ciclo se denomina “Duty cycle”, y generalmente se expresa en tanto por ciento.

La señal promedio es el producto de la tensión máxima y el valor Duty Cycle. La expresión para el cálculo es:

De forma similar, tenemos que

La «salidas analógicas» NO lo son

Debemos tener presente que en una salida PWM el valor de tensión en realidad es Vcc. Por ejemplo, si estamos alimentando un dispositivo que requiere 3V, y usamos una señal pulsada, en realidad estaremos suministrando 5V durante un 60% del tiempo y 0V durante el 40%. Pero si el dispositivo tiene alguna característica por la cual soporta como máximo 3V, podemos dañarlo si lo alimentamos mediante una señal PWM de estas características.

La señal pulsada es buena para emular una señal analógica en muchas aplicaciones. Podemos, por ejemplo, variar la intensidad luminosa en un LED. Éste realmente se enciende y apaga varias veces por segundo, pero el parpadeo es tan rápido que el ojo no lo aprecia. El efecto percibido es que el LED brilla con menor intensidad.

Otro ejemplo es que al variar la velocidad de un motor DC con un PWM, en la mayoría de los casos la inercia del motor se encargará de que el efecto de los cortes de señal sean despreciables. No obstante, dependiendo de la frecuencia utilizada, podemos notar vibraciones o ruidos, lo que implica que deberemos variar la frecuencia del ciclo PWM.

También es importante tener en cuenta aquellos efectos que la rápida conexión y desconexión de la señal pulsada pueden producir en el dispositivo que se alimenta. En el caso de cargas inductivas (motores, relés, o electroimanes), la desconexión producirá una generación de contracorriente que puede dañar la salida digital, o al dispositivo, por lo que será necesario implementar una protección.

Control de ancho de pulso en Arduino

■ En Arduino Uno, Mini y Nano existen 6 salidas PWM de 8 bits en los pines 3, 5, 6, 9, 10 y 11.

■ En Arduino Mega existen 15 salidas PWM de 8 bits en los pines 2 a 13 y 44 a 46

■ En Arduino Due existen 13 salidas PWM de 8 bits en los pins 2 a 13. Adicionalmente, esta placa incorpora dos salidas analógicas con resolución de 12 bits (4096 niveles)

Una resolución de 8 bits en una salida PWM significa que tiene 256 niveles. Es decir, el Duty cycle se divide en 256 posiciones posibles.





Timers en Arduino

Las funciones PWM que son controladas por hardware emplean los módulos Timer para generar la onda de salida. Cada Timer queda afectado a 2 o 3 salidas PWM.

Cada salida conectada a un mismo temporizador comparte la misma frecuencia, aunque pueden tener distintos Duty cycles, dependiendo de un valor en su registro de comparación.

En el Arduino Uno, Mini y Nano el uso de timers es:

■ El Timer0 controla las salidas PWM 5 y 6. El Timer1 controla las salidas PWM 9 y 10. El Timer2 controla las salidas PWM 3 y 11.

En el Arduino Mega el uso es:

■ El Timer0 controla las salidas PWM 4 y 13. El Timer1 controla las salidas PWM 11 y 12. El Timer2 controla las salidas PWM 9 y 10. El Timer3 controla las salidas PWM 2, 3 y 5. El Timer4 controla las salidas PWM 6, 7 y 8.
El Timer5 controla las salidas PWM 44, 45 y 46.

Frecuencia de ciclo de PWM

La frecuencia de cada PWM depende de las características del temporizador al que está conectado, y de un registro de pre-escala, que divide el tiempo por un número entero. La frecuencia de los PWM se puede modificar cambiando la pre-escala de los Timer correspondientes.

Arduino Uno, Mini y Nano disponen de tres temporizadores.

■ Timer0, con una frecuencia de 62.500 Hz, y pre-escala de 1, 8, 64, 256 y 1024.
■ Timer1, con una frecuencia de 31.250 Hz, y pre-escala de 1, 8, 64, 256, y 1024.
■ Timer2, con una frecuencia de 31.250 Hz, y pre-escala de 1, 8, 32, 64, 128, 256, y 1024.

El Arduino Mega añade tres temporizadores adicionales.

Timer3, 4 y 5, con una frecuencia de 31.250 Hz, y pre-escala de 1, 8, 64, 256 y 1024.

Por esto, la frecuencia estándar para las salidas PWM en Arduino Uno, Mini y Nano es de 490 Hz para todos los pines, excepto para el 5 y 6 cuya frecuencia es de 980 Hz. En el Arduino Mega, la frecuencia estándar es de 490 Hz para todos los pines, excepto para el 4 y 13 cuya frecuencia es de 980 Hz

Incompatibilidades:

El uso de los Timer no es exclusivo para las salidas PWM: es compartido con otras funciones. Emplear funciones que requieren el uso de estos Timer supondrá que no podremos emplear al mismo tiempo alguno de los pines PWM.

Algunas de las incompatibilidades más típicas:

1. La librería servo hace uso intensivo de temporizadores por lo que, mientras la estemos usando, no podremos usar algunas de las salidas PWM.

En el caso de Arduino Uno, Mini y Nano, la librería servo usa el Timer 1, por lo que no podremos usar los pines 9 y 10 mientras tengamos un servo en el crcuito.

En el caso de Arduino Mega, dependerá de la cantidad de servos que empleemos.

Si usamos menos de 12 servos el Mega utiliza el Timer 5, por lo que no se pueden usar para PWM los pines 44, 45 y 46. Para 24 servos usa los Timer 1 y 5, por lo que no se pueden usar para PWM los pines 11, 12, 44, 45 y 45. Para 36 servos usa los Timer 1, 3 y 5, impidiendo usar para PWM los pines 2, 3, 5, 11, 12, 44, 45, 46. Para 48 servos, usa los Timer 1, 3, 4 y 5, quedando sin pines PWM disponibles.

2. SPI: en Arduino Uno, Mini y Nano, el pin 11 se emplea también para la función MOSI de la comunicación SPI. Por lo cual no podremos usar ambas funciones de ese pin en forma simultánea. Arduino Mega no tiene este problema, ya que se conectan a pines distintos.

3. La función Tone emplea el Timer 2, por lo que no podremos usar los pines 3 y 11 para PWM. En Arduino Mega no se pueden usar los pines 9 y 10.

En todos los casos, todo se debe al uso de bibliotecas (librerías) de funciones. Programando en muy bajo nivel, es posible lograr mejores prestaciones. Pero no es una tarea fácil, ya que requiere mucha experiencia.

Artículos relacionados:
■ Uso de la placa L298N para motores de CC
■ Puente H: Placa controladora de motores L9110S
■ Guía rápida de placas de control de motores
■ Manejo de potencia para motores con el integrado L293D
■ Control de motores de CC por Ancho de Pulso (PWM)


Pez robot se mueve alimentado con “sangre” falsa

Deja un comentario

La historia comienza a centenares de metros de altura con las aves migratorias, y termina con un pez robótico nadando en el agua debajo. Para prepararse para sus viajes, las aves engordan mucho, hasta casi duplicar su peso, lo que las convierte en baterías emplumadas. Queman esa reserva de energía para impulsar sus alas a lo largo de muchos días y muchos kilómetros, y para evitar morir de hambre y congelarse. Finalmente, llegan extenuadas a sus destinos.

Una buena idea, pensaron los ingenieros de Cornell y de la Universidad de Pennsylvania, para un nuevo sistema de alimentación de potencia para máquinas. Les hizo pensar: la grasa es una batería genial, pero no es muy factible replicarla en un robot. ¿Pero… y la sangre? En un ser humano, la sangre distribuye oxígeno y energía para las células en todo el cuerpo. Y algunos robots, ya se mueven en base a fluidos, en forma de hidráulica. Entonces, ¿por qué no modificar ese fluido para transportar energía, ya que nuestra sangre alimenta nuestros músculos?

A lo que han llegado no es un ave robot (demasiado complicada y con intensa necesidad de energía) sino a un pez león robot que utiliza un sistema vascular rudimentario y «sangre» para energizarse y alimentar hidráulicamente sus aletas. Esta tecnología aún está en sus primeros días, y de hecho este pez es extremadamente lento, pero quizás algunas máquinas del mañana podrían deshacerse de las baterías y los cables y alimentarse como organismos biológicos.

Inflexiblemente, los robots actuales están segmentados. Tienen una batería de iones de litio, que distribuye la energía por medio de cables a los motores de sus extremidades, a los que se conoce como actuadores. Este nuevo pez león robótico tiene baterías, pero están esparcidas por todo su cuerpo y funcionan en conjunto con dos bombas, una para alimentar las aletas pectorales y otra para la cola. Juntas, las baterías y las bombas actúan más como corazones biológicos que como una batería de ion litio en un robot tradicional.

El primer componente es la «sangre», en esencia un fluido hidráulico cargado con iones disueltos, lo que le da potencial químico para alimentar la electrónica. «El fluido hidráulico transmite fuerza, y solo fuerza», dice Robert Shepherd, el robotista de Cornell, coautor de un nuevo artículo en Nature que describe el sistema. «En nuestro fluido, estamos transmitiendo fuerza y estamos transmitiendo energía eléctrica».




Este líquido cargado fluye a través de las células de la batería en el abdomen y las aletas del pez. Cada celda tiene dos piezas de metal opuestas: un cátodo y un ánodo. A medida que el fluido fluye más allá de estos, crea un desequilibrio de carga o voltaje que hace que los electrones fluyan a través de la electrónica que alimenta las dos bombas. Estos a su vez mantienen el bombeo del fluido. Finalmente las celdas de la batería se agotarán, ya que el líquido pierde iones y dejará de circular. En ese momento es posible recargar el líquido para que los peces sigan funcionando. «En realidad, podrían drenar el fluido e inyectar más fluido cargado», dice Shepherd, «algo así como llenar su tanque de combustible en la estación de servicio».

El fluido, entonces, energiza a los peces. Pero también actúa como un fluido hidráulico tradicional, ya que transmite fuerza a la cola y las aletas pectorales. Cuando las bombas empujan el fluido hacia las aletas, se doblan hacia atrás y hacia delante para impulsar el robot. Las aletas pectorales funcionan de la misma manera para guiar a los peces hacia la izquierda y hacia la derecha.

Esto no mueve al robot de manera particularmente rápida: los peces pueden cubrir aproximadamente 1,5 veces la longitud de su cuerpo por minuto. «Definitivamente se lo comerían si estuviera en el océano», dice Shepherd.

Pero la velocidad del robot mejorará, ya que Shepherd y su equipo pueden aumentar el área de superficie de los ánodos y cátodos para mejorar la densidad de potencia. A diferencia de un robot tradicional de cuerpo duro, pueden llenar con celdas de batería donde lo deseen y dejar que la forma blanda del robot se adapte a los componentes adicionales. De este modo, se construye un sistema circulatorio robótico extendido: bombas y baterías que transportan el líquido por todo el robot.

Este sistema tiene algunas limitaciones importantes, especialmente teniendo en cuenta el estado avanzado de la tecnología de iones de litio. «La densidad de potencia es de 30 a 150 veces menos en lo que se observa en comparación con la capacidad de una batería de ión litio», dice el robotista del MIT CSAIL Robert Katzschmann, cuyo pez robot utiliza una batería de ión litio tradicional. Eso significa que el robot de Katzschmann puede moverse 20 veces más rápido que este nuevo pez.

Además, la naturaleza distribuida de este nuevo sistema de energía en los peces implica que no es posible cambiar con facilidad una batería sobre la marcha. «Cada vez que iba al océano, simplemente reemplazaba la batería por una nueva, así que no tengo que esperar para recargar mi prototipo», dice Katzschmann.

Aún así, podría haber un lugar para esta nueva visión de la robótica, junto con los sistemas tradicionales de iones de litio. Hay un montón de peces en el mar, después de todo.



Un robot del MIT monitorea los bíceps para aprender a manipular cosas

Deja un comentario

Aprender a moverse: los investigadores del MIT han creado un robot que monitorea de cerca nuestros bíceps mientras levantamos y movemos las cosas. Pero no se limita a admirar nuestros músculos, la idea consiste en desarrollar un sistema capaz de colaborar con las personas de forma más efectiva.

Aprender a controlar sus músculos: el robot, bautizado como RoboRaise, monitorea los músculos de una persona a través de unos sensores electromiográficos a los que está conectada. El aprendizaje automático compara las señales captadas por esos sensores con una representación del movimiento del brazo que hace la persona. Con esta información, el robot aprende repetir esa acción.

Aprender a trabajar en equipo: la mayoría de los robots de trabajo son tan torpes y peligrosos que es necesario ponerlos a trabajar aislados de los humanos, pero existe un creciente interés en que los robots colaboren con los trabajadores humanos. Este concepto, conocido como cobot, utiliza los avances en sensores y en algoritmos informáticos para volverlos más seguros y más inteligentes.

A observar cuidadosamente: el enfoque de RoboRaise resulta fascinante, y muestra cómo, en teoría, los robots podrían captar señales mucho más sutiles sobre el comportamiento de una persona. Esto podría crear máquinas que se coordinen mejor con nuestras acciones e intenciones.


Las personas saben instintivamente cómo trabajar juntas cuando llega el momento de levantar algo para lo que son necesarias dos personas. Las personas coordinan sus movimientos y trabajan para asegurarse de que cada lado de lo que se está llevando se mantenga a la misma altura. Si bien las tareas de este tipo son naturales para un humano, para los robots no es nada natural.
 
Los robots tienen que estar entrenados para trabajar bien con un humano y, por lo general, eso significa enseñar comandos de voz al robot de manera similar a cómo funciona un asistente de voz como Siri. Los investigadores del MIT han desarrollado un robot que puede colaborar con humanos sin necesidad de usar comandos hablados. El sistema robótico puede coordinar movimientos al monitorear sus movimientos musculares.

El sistema del MIT se llama RoboRaise, y requiere que los sensores se apliquen a los bíceps y tríceps del usuario para controlar su actividad muscular. Cuando los algoritmos detectan cambios en el nivel del brazo de la persona junto con gestos discretos con las manos hacia arriba y hacia abajo, el usuario puede hacer movimientos más finos.




El equipo pudo usar su sistema para tareas relacionadas con recoger cosas y ensamblar componentes simulados de aviones. El equipo dice que cuando el usuario y el robot trabajaron en estas tareas, aquel pudo controlar el robot a unos centímetros de la altura deseada. El sistema fue más preciso cuando se utilizaron gestos, respondiendo correctamente a aproximadamente el 70% de todos ellos.

Uno de los estudiantes del proyecto dice que puede imaginar a personas usando RoboRaise para fabricar, construir y ayudar en la casa. La nueva tecnología se basa en la tecnología anterior desarrollada en MIT, que permite a los usuarios corregir errores del robot con ondas cerebrales y gestos con las manos.

El equipo quiere desarrollar un sistema de asistencia robótica en el que el robot se adapte a lo humano, no al revés. El usuario puede comenzar a usar el robot rápidamente con una calibración mínima después de que los sensores están en su lugar.

Relacionados:
■ Guante lleno de sensores aprende las señales del tacto humano
■ Logran que los robots rastreen objetos en movimiento con una precisión sin precedentes
■ Piernas robóticas que se basan en la evolución animal para aprender a caminar
■ Creando robots que pueden ir a donde nosotros vamos
■ Una prótesis que restaura la sensación de dónde está tu mano



Guante lleno de sensores aprende las señales del tacto humano

1 respuesta

Científicos del Instituto Tecnológico de Massachusetts (MIT) presentaron ayer un estudio en el que demostraban cómo un guante de bajo costo, recubierto con una red de sensores, podría reconocer objetos por medio de la presión, y ser utilizado en prótesis o robots, entre otros.

Se trata del proyecto Scalable TActile Glove (STAG), del Laboratorio de Ciencias de la Computación e Inteligencia Artificial, que creó este dispositivo de bajo costo, equipado con unos 550 sensores diminutos en casi toda la mano puede transmitir información en tiempo real.

En detalle, el guante capta cambios de presión por medio de una red de fibras conductoras —conocida técnicamente como una Red Neural Convolucional—, que procesan los datos con un algoritmo de sus sensores y buscan una coincidencia con objetos específicos para identificarlos.

“La información táctil recogida se proyecta sobre la forma de una mano humana, para que podamos entender fácilmente el contexto espacial”, explicó el director de la investigación, Subramanian Sundaraman a los medios. Y añadió: “Se podría considerar que el guante es como una cámara deformable que mide espacialmente las presiones o las fuerzas, lo que no es muy distinto a lo que ocurre en el mundo natural”.

En un artículo publicado en Nature, los investigadores describen un conjunto de datos que compilaron utilizando el STAG con 26 objetos comunes, entre ellos una lata de refresco, tijeras, una pelota de tenis, cuchara, bolígrafo y taza. Usando el conjunto de datos, el sistema predijo las identidades de los objetos con una precisión de hasta el 76 por ciento.

El guante, que sólo cuesta US$10 dólares, también puede predecir los pesos correctos de la mayoría de los objetos dentro de unos 60 gramos.




STAG está laminado con un polímero eléctricamente conductor que cambia la resistencia a la presión aplicada. Los investigadores cosieron hilos conductores a través de orificios en la película de polímero conductor, desde la punta de los dedos hasta la base de la palma. Los hilos se superponen de una manera que los convierte en sensores de presión. Cuando alguien que usa el guante siente, levanta, sujeta y suelta un objeto, los sensores registran la presión en cada punto.

Los hilos se conectan desde el guante a un circuito externo que traduce los datos de presión en «mapas táctiles», que son esencialmente videos breves de puntos que crecen y se contraen en un gráfico de una mano. Los puntos representan la ubicación de los puntos de presión, y su tamaño representa la fuerza: cuanto más grande es el punto, mayor es la presión.

A partir de esos mapas, los investigadores compilaron un conjunto de datos de aproximadamente 135.000 cuadros de video de interacciones con 26 objetos. Esos marcos pueden ser utilizados por una red neuronal para predecir la identidad y el peso de los objetos, y proporcionar información sobre la comprensión humana.

Para identificar objetos, los investigadores diseñaron una red neuronal convolucional (CNN), que generalmente se usa para clasificar imágenes, para asociar patrones de presión específicos con objetos específicos. Pero el truco fue elegir marcos de diferentes tipos de agarres para obtener una imagen completa del objeto.

La idea era imitar la forma en que los humanos pueden sostener un objeto de diferentes maneras para reconocerlo, sin usar su vista. De manera similar, la red neuronal convolucional de los investigadores elige hasta ocho cuadros semi-aleatorios del video que representan las capturas más diferentes, por ejemplo, sosteniendo una taza desde la parte inferior, superior y del mango.

El sistema podría mejorar la comprensión del funcionamiento del tacto, y de esta manera cómo se controlan las manos; una información que para algunos investigadores podría utilizarse para incorporar sensores táctiles a miembros artificiales, o partes mecánicas, y así revolucionar el desarrollo de prótesis y manos robóticas.

La red nerviosa de los mamíferos, dicen algunos, es todo un prodigio. En ella miles de millones de sensores distribuidos por la piel envían mensajes a nuestro cerebro, discriminan qué es importante y qué no, siendo clave para nuestras experiencias e incluso para la supervivencia.

Artículos Relacionados:

■ Dando sentido del tacto a los robots
■ Una prótesis que restaura la sensación de dónde está tu mano
■ Ver a través de los ojos de un robot ayuda a personas con grandes deficiencias motoras
■ Crean piel electrónica resistente al agua, sensible y con capacidad de auto-reparación



El robot Slothbot hace monitoreo ambiental basado en su lentitud

Deja un comentario

Para el monitoreo ambiental, la agricultura de precisión, el mantenimiento de la infraestructura y ciertas aplicaciones de seguridad, una eficiencia lenta y de bajo consumo de energía puede ser mejor que algo rápido, que necesita una recarga continua. Ahí es donde tiene su lugar «SlothBot».

Impulsado por un par de paneles fotovoltaicos y diseñado para permanecer en el dosel del bosque funcionando durante meses, SlothBot (“Robot Perezoso”) se mueve solo cuando es necesario para medir cambios ambientales, como el clima y los factores químicos en el ambiente, que solo se pueden observar con una presencia a largo plazo. El prototipo de prueba del hipereficiente robot, descrito el 21 de mayo en la Conferencia Internacional sobre Robótica y Automatización (ICRA) en Montreal, pronto se encontrará entre los cables de los árboles en el Jardín Botánico de Atlanta.

«En robótica, parece que siempre estamos presionando por robots más rápidos, más ágiles y más extremos», dijo Magnus Egerstedt, Director de la Escuela de Ingeniería Eléctrica e Informática Steve W. Chaddick en el Instituto de Tecnología de Georgia e investigador principal de Slothbot. “Pero hay muchas aplicaciones donde no hay necesidad de ser rápido. Solo tiene que estar allí, persistiendo durante largos períodos de tiempo, observando lo que está ocurriendo».

Basado en lo que Egerstedt llamó la «teoría de la lentitud», el asistente de investigación graduado Gennaro Notomista diseñó SlothBot junto con su compañero, Yousef Emam, utilizando piezas impresas en 3D para los mecanismos de engranaje y de paso de cable a cable que son necesarios para rastrear a través de una red de cables en los árboles El mayor desafío para un robot de rastreo de cables es cambiar de un cable a otro sin caerse, dijo Notomista.

«El desafío es sujetar suavemente un cable mientras se agarra a otro», dijo. «Es una maniobra difícil y tienes que hacerlo bien para proporcionar una transición a prueba de fallos. Asegurarse de que los traspasos funcionen bien durante largos períodos de tiempo es realmente el mayor desafío».

Mecánicamente, SlothBot consiste en dos cuerpos conectados por una bisagra controlada. Cada cuerpo aloja un motor de accionamiento conectado a una llanta en la que se monta un neumático. El uso de ruedas para la locomoción es simple, eficiente en energía y más seguro que otros tipos de locomoción por cable, según los investigadores.

SlothBot ha operado hasta ahora en una red de cables en el campus de Georgia Tech. A continuación, una nueva carcasa impresa en 3D, que hace que el robot se vea más como un perezoso, protegerá los motores, engranajes, actuadores, cámaras, computadoras y otros componentes de la lluvia y el viento. Eso establecerá las bases para estudios a más largo plazo en el dosel de los árboles en el Jardín Botánico de Atlanta, donde Egerstedt espera que los visitantes vean pronto las condiciones de monitoreo de SlothBot, en el próximo otoño boreal.

El nombre de SlothBot no es una coincidencia. Los perezosos de la vida real son pequeños mamíferos que viven en los doseles de la selva de América del Sur y Central. Se mantienen comiendo hojas de árboles, y estos animales pueden sobrevivir con el equivalente calórico diario de una papa pequeña. Con su metabolismo lento, los perezosos descansan tanto como 22 horas al día y rara vez descienden de los árboles, donde pueden pasar toda su vida.

«La vida de un perezoso es bastante lenta y no hay mucha emoción a nivel diario», dijo Jonathan Pauli, profesor asociado en el Departamento de Ecología de Bosques y Vida Silvestre de la Universidad de Wisconsin-Madison, quien ha consultado con el equipo de Georgia Tech sobre el proyecto. «Lo bueno de una vida llevada con lentitud es que realmente no se necesita mucha energía. Puede tener una larga duración y persistencia en un área limitada, con muy pocas entradas de energía durante un largo tiempo».

Eso es exactamente lo que los investigadores esperan de SlothBot, cuyo desarrollo ha sido financiado por la Oficina de Investigación Naval de los Estados Unidos.

«Hay mucho que no sabemos sobre lo que realmente sucede en áreas densas cubiertas de árboles», dijo Egerstedt. «La mayoría de las veces, SlothBot solo se quedará colgado, y de vez en cuando se moverá a un lugar soleado para recargar la batería».

Los investigadores también esperan probar SlothBot en una plantación de cacao en Costa Rica, que ya es hogar de perezosos reales. «Los cables utilizados para mover el cacao se han convertido en una autopista de perezosos porque a los animales les resulta útil moverse», dijo Egerstedt. «Si todo va bien, desplegaremos SlothBots a lo largo de los cables para monitorear a los perezosos».




Egerstedt es conocido por los algoritmos que manejan enjambres de pequeños robots con ruedas o voladores. Pero durante una visita a Costa Rica, se interesó por los perezosos y comenzó a desarrollar lo que él llama «una teoría de la lentitud» junto con el profesor Ron Arkin en la Escuela de Computación Interactiva de Georgia Tech. La teoría aprovecha los beneficios de la eficiencia energética.

«Si estás haciendo cosas como el monitoreo ambiental, quieres estar en el bosque durante meses», dijo Egerstedt. «Eso cambia tu forma de pensar acerca de los sistemas de control a un alto nivel».

Ya se usan robots voladores para monitoreo ambiental, pero sus necesidades de alta energía implican que no pueden quedarse por mucho tiempo. Los robots con ruedas pueden arreglárselas con menos energía, pero pueden quedar atrapados en el lodo o ser obstaculizados por las raíces de los árboles, y no puede obtener una vista de gran detalle desde el suelo.

«Lo que cuesta energía más que cualquier otra cosa es el movimiento», dijo Egerstedt. “Moverse es mucho más costoso que sentir o pensar. Para los robots ambientales, solo debes moverte cuando es absolutamente necesario. Teníamos que pensar en cómo sería eso».

Para Pauli, que estudia una variedad de vida silvestre, ha sido gratificante trabajar con Egerstedt para ayudar a SlothBot a cobrar vida.

«Es genial ver a un robot inspirado en la biología de los perezosos», dijo. “Ha sido divertido compartir cómo viven los perezosos y otros organismos que viven en estos ecosistemas durante largos períodos de tiempo. Será interesante ver a los robots reflejando lo que vemos en las comunidades ecológicas naturales”.

Esta investigación fue patrocinada por la Oficina de Investigación Naval de los EE. UU. A través de la concesión N00014-15-2115.