Hacer robots no es tarea fácil. Si usted habla con expertos en robótica, le dirán que les llevó años lograr que el último robot que construyeron o programaron fuese bueno para realizar una tarea específica. Y aunque es posible ver vídeos de hazañas impresionantes de algunos robots, a menudo la realidad es más aleccionadora
¿Recuerdan el video de la caída de los robots en el Desafío de Robots de DARPA?
¿Por qué es tan difícil construir robots? He aquí una recopilación de por qué la robótica aún requiere de años de investigación y desarrollo antes de verlos en nuestra vida cotidiana.
Fuente de alimentación
Se requiere que la mayoría de los robots operen sin estar conectados a una toma de corriente. Esto significa que deben llevar su propia fuente de energía, ya sea un paquete de baterías o un tanque de combustible. Los pequeños aviones no tripulados pueden operar normalmente durante menos de 1 hora, que es también la duración de la batería de la mayoría de los humanoides avanzados tales como el ATLAS de Boston Dynamics de Google. De manera que cuando el robot ha entrado por la puerta y ha dado algunos pasos, ya es el momento de una recarga de energía.
Se están haciendo progresos, y el impulso para lograr que las baterías permitan que los ordenadores portátiles y los teléfonos móviles funcionen durante días también está impulsando el aumento del tiempo de funcionamiento de los robots. Un ejemplo es el propio robot ATLAS, que estaba atado a cables hace apenas un año y ahora posee su propio conjunto de baterías. El principal desafío es que el movimiento del robot es a menudo el mayor consumidor de baterías. La mayoría de los drones utilizarán la mayor parte de su energía de encender sus hélices propulsoras en lugar de computar, realizar detecciones y comunicarse, todo al mismo tiempo. Se le puede aportar más potencia a un robot con baterías más grandes, pero esto también hará que sea más pesado, por lo que a su vez requerirá más energía para mover el robot. La realidad es que a menudo los robots son dependientes de una estación de carga.
Más allá de la energía, también existe un verdadero desafío: la eficiencia. Por ejemplo, los músculos humanos son capaces de ejercer una fuerza impresionante, sin embargo, muchos robots manipuladores no tienen fuerza para llevar cargas pesadas.
«Los músculos biológicos siguen siendo un orden de magnitud (x10)
más livianos y pequeños para generar la misma fuerza que los
motores de un robot». – Herman Bruyninckx
Elementos de senseo
¿Se ha preguntado por qué la mayoría de las demostraciones muestran robots manipulando objetos con colores brillantes o que poseen un código QR?
Los robots aún tienen dificultades para reconocer los objetos cotidianos. Y a pesar de que los algoritmos de aprendizaje automático han demostrado ser eficaces en las computadoras, lo que les permite etiquetar las imágenes con frases tales como «gato negro en una silla blanca», los robots también requieren saber para qué se utilizan los objetos, y cómo se debe hacer para interactuar con ellos. Una camisa fucsia, una camisa a rayas, o un par de pantalones se verán con un aspecto muy diferente para un robot plegador de ropa, y requerirían una secuencia diferente de movimientos. Y a pesar de que resulta útil utilizar cámaras, el procesamiento de imágenes es todavía una tarea muy intensa.
Los sensores como el Kinect de Microsoft y los Laser Rangefinders han permitido que los robots conformen mapas 3D de su entorno. Con las nubes de puntos resultantes, pueden detectar obstáculos, construir mapas y saber dónde se encuentran dentro de esos entornos. Inferir el significado de la escena, sin embargo, es un paso más allá. Fuera del video, el tacto y el sonido aún se utilizan poco en los sistemas robóticos. Afortunadamente, los robots tienen acceso a una cantidad de sentidos dedicados que no son como los de los humanos, y resultan más adecuados para tareas específicas. Entre ellos está los acelerómetros, sensores de temperatura o de gas, y los GPS.
Manipulación
Los robots industriales son muy exitosos en la manipulación de objetos predefinidos y específicos de manera repetitiva. Uno de los mayores desafíos en la robótica es lograr la manipulación fuera de estos entornos restringidos. Hay una razón por la que los robots comerciales más exitosos para el entorno del hogar, incluyendo los robots de telepresencia, las aspiradoras y los robots personales no están construidos para recoger objetos. Amazon resolvió este problema en su área de almacenaje creando equipos de humanos junto a robots para cumplir con los pedidos. Los robots se mueven por los estantes y los trabajadores son los responsables de recoger los objetos de los estantes y colocarlos en cajas. Recién el año pasado, Amazon corrió un «desafío de manipuleo» en ICRA para ayudar a avanzar en el estado del desarrollo. El concurso fue ganado por el equipo RBO de Berlín. La competencia Rockin en Europa también se centra en la manipulación en entornos domésticos y de trabajo.
Empresas como Shadow Robot están tratando de lograr el control motriz delicado que nos permite interactuar con los objetos de uso cotidiano en una mano robótica. El uso de estos manipuladores a menudo requiere una planificación precisa. A menudo, una solución alternativa fue utilizar manipuladores probados del sector industrial o robots con manipuladores cada vez más blandos que se ajusten a las diferentes formas de los objetos.
Cognición
Los robots actuales suelen utilizar algoritmos bien determinados que les permiten realizar tareas específicas, por ejemplo la navegación desde el punto A al punto B, o mover un objeto en una cadena de montaje. El diseño de robots colaborativos para las empresas, o de robots para el hogar, requerirá que éstos entiendan cada vez mejor los nuevos entornos y aprendan en el trabajo. Lo que parece una tarea simple para nosotros, podría convertirse en un ejercicio cognitivo complejo para un robot. Los proyectos como el iCub han avanzado en esta dirección, con el objetivo de alcanzar los niveles cognitivos de un niño de 2,5 años.
El aprendizaje profundo también está aportando nuevos rumbos. Un equipo de la Universidad de Zurich y IDSIA mostró recientemente drones que están aprendiendo a volar a través de senderos en un bosque utilizando redes neuronales profundas (Deep Neural Networks).
Cualquiera que sea el aprendizaje que se integre en el robot, es importante darse cuenta de que todavía estamos lejos de algo que se asemeje a la inteligencia o el entendimiento humano. La navegación por un recorrido forestal manipula con intensidad, principalmente, datos de un montón de imágenes de senderos forestales, y en respuesta ejecuta los comandos correctos en los motores. Esto está más cerca del aprendizaje de un humano para equilibrar un palo en forma vertical en la palma de su mano a través de la práctica, en lugar del desarrollo de una comprensión real de las leyes de la física.
Entornos no estructurados
El mundo es un lugar desordenado para la mayoría de los robots, por lo que operar en entornos no estructurados les es difícil. Es por eso que los robots comerciales han tenido más éxito en las fábricas, en los pisos de almacenes o en carreteras, al aire libre y bajo el agua. Por otro lado, hay muy pocos robots que operan de forma autónoma en el entorno del hogar, los distintos robots aspiradora. La Dyson 360 Eye requirió más de 100.000 horas de tiempo de producción y 16 años de desarrollo antes de que la compañía estuviese convencida de que iba a hacer un buen trabajo al navegar por una habitación. Sus ensayos mostraron que los niños a veces bailan delante de su robot o juegan con él, adjuntando pequeñas orejas de cartón delante de su cámara, o la cubren por completo. No es necesario remarcar que cada casa es única.
Integración
El truco para comprender la integración es pensar como un robot. ¿Qué se necesita para que un nuevo robot lleve un vaso de agua a un paciente de edad avanzada en una casa? En primer lugar el robot tendría que tener un mapa de la casa, tal vez construirlo desde cero mediante la navegación a través de los pasillos y habitaciones. Sería entonces necesario comprender la indicación de la persona de que le alcance el agua, para lo que podría utilizar el reconocimiento de voz. El robot entonces utilizaría su mapa para planificar una trayectoria a la cocina, evitando los obstáculos, en una constante actualización de su estimación de dónde es que se mueve. Una vez frente al armario, el robot tendría que abrir el armario, buscar un vaso transparente, y recogerlo. El robot giraría hacia el fregadero, abriría el grifo de agua usando las habilidades motoras finas, colocaría el vaso debajo del chorro de agua hasta que el vaso esté lleno, e iría hacia la persona sin derramar agua. A continuación, debería poner suavemente el vaso sobre una mesa. Esta tarea requiere un hardware seguro, un conjunto de sensores impresionante y algoritmos complejos que actualmente sólo existen como piezas independientes, en todo caso. La integración de todos estos componentes en un solo robot es muy difícil, y eso es sólo para una tarea: ir a buscar un vaso de agua.
Acerca de la integración, John Hallam de la Universidad del Sur de Dinamarca dice
«Usted está construyendo un robot -está haciendo la ingeniería de un sistema- y con
demasiada frecuencia la gente se centra en la fabricación del dispositivo.
Al hacer esto se olvidan de importantes posibilidades».
Marco legal y la percepción pública
Nuevas empresas están construyendo cada vez más robots que tienen el potencial de ser perjudiciales porque sólo resuelven bien problemas específicos. Los drones y los autos autónomos son un buen ejemplo de esto. El desafío para estas nuevas empresas es que la regulación aún no está definida como para permitir que sus productos se comercialicen.
Andrea Bertolini de la Scuola Superiore Sant’Anna en Italia dice que hay «demasiada litigios y muy poca regulación ex ante», lo cual significa que nuevas empresas pueden terminar tomando riesgos legales innecesarios, que podrían evitarse si ya hubiese una mejor regulación establecida para apoyar la innovación avanzada.
Y en un mundo donde la seguridad y la expectativa del cliente son de suma importancia humana, la búsqueda de las normas adecuadas para hacer que los robots se vuelvan realidad ha sido un esfuerzo continuo en la comunidad.
Por último, la tergiversación en el público acerca de lo que pueden hacer los robots aumenta la preocupación de este público. Esto conlleva el peligro de que los reguladores puedan reaccionar ante la opinión pública a causa de la falta de una información equilibrada. Las preocupaciones del público deben ser discutidas y se debe promover un uso responsable de los robots, de manera que la política se centre en lo que necesita la comunidad.
Sigue siendo difícil hacer un robot
La robótica está avanzando en el desarrollo de tecnologías y soluciones para tareas específicas. Después de años de desarrollo en laboratorios de investigación, los robots están empezando a encontrar un camino hacia el mercado de consumo. Sin embargo, todavía estamos muy lejos del robot Rosie (la mucama robot de Los Supersónicos, o «Jetsons» en su original en inglés). Hacer una Rosie requeriría profundos avances en fuentes de alimentación, detección, manipulación, cognición y la unión mágica de todo esto: la integración.
Información adicional:
Desafío de robots de DARPA
Robots Atlas de Boston Dynamics
Robot ATLAS ahora con baterías
Robot Dyson 360 Eye
Artículo original