Hispanopedia WikiLa robótica adaptable se refiere a un campo de la robótica centrado en la creación de sistemas robóticos capaces de ajustar sus componentes de hardware y software para realizar una amplia gama de tareas, adaptándose a diversos entornos. La robótica se introdujo en el ámbito industrial en la década de 1960. [ 1 ] Desde entonces, la necesidad de crear robots con nuevas formas de actuación , adaptabilidad, detección y percepción , e incluso la capacidad de aprendizaje, impulsó el desarrollo de la robótica adaptable. Avances significativos como el robot PUMA, la investigación en manipulación, la robótica blanda , la robótica de enjambre , la IA , los cobots , los enfoques bioinspirados y otras investigaciones en curso han impulsado enormemente el campo de la robótica adaptable. Los robots adaptables suelen asociarse con su kit de desarrollo , que se utiliza normalmente para crear robots móviles autónomos. En algunos casos, un kit adaptable seguirá siendo funcional incluso si ciertos componentes se averían. [ 2 ]
Los sistemas robóticos adaptables se adaptan con éxito a su entorno mediante técnicas como el diseño modular , el aprendizaje automático y la retroalimentación de sensores . Gracias a ello, han revolucionado diversas industrias y pueden abordar numerosos desafíos del mundo real en los campos médico , industrial , extraterrestre y experimental . Aún quedan muchos retos por superar en la robótica adaptable, lo que ofrece oportunidades de crecimiento en este campo.
Conceptos fundamentales
Un robot adaptable suele poseer atributos que lo distinguen de los robots que realizan su tarea independientemente de factores externos. Cuatro conceptos que los robots adaptables utilizan para establecer esta distinción son la adaptabilidad, la detección y percepción, el aprendizaje y la inteligencia, y la actuación.
Adaptabilidad
Un robot puede definirse como adaptativo cuando posee capacidades tales como seguridad intrínseca y rendimiento sin compromisos, capacidad de aprendizaje y capacidad para realizar tareas que los robots tradicionales no pueden realizar. Estas capacidades pueden lograrse mediante tecnología de control de fuerza, inteligencia jerárquica y otros enfoques innovadores. [ 3 ] La invención de John Adler en 1994, el cyberknife , es un sistema de cirugía robótica capaz de utilizar una precisión ultrafina en procedimientos médicos que demuestra dichas adaptaciones. [ 4 ]
Sensación y percepción
La información ambiental recopilada a través de periféricos se procesa de forma inteligente en sistemas adaptables. Los sistemas de IA pueden procesar estos datos y ajustar las primitivas de la tarea en consecuencia, lo que conduce a una acción adaptada. [ 3 ] En 2001, el Canadarm 2 fue lanzado a la ISS y desempeñó un papel clave en el mantenimiento de la estación, utilizando datos de periféricos para adaptar la ISS a los cambios ambientales en su interior. [ 4 ]
Aprendizaje e inteligencia
La IA, el aprendizaje automático y el aprendizaje profundo permiten que los sistemas aprendan sobre el mundo que los rodea y se vuelvan progresivamente más inteligentes al ejecutar sus tareas. [ 3 ] [12] En 1997, el robot Sojourner fue lanzado a Marte, con una computadora a bordo que le permitía adaptarse a eventos y obstáculos no planificados incluso con datos mínimos; un precursor de la incorporación de la IA en sistemas adaptables. Más tarde ese año, la computadora Deep Blue de IBM derrotó a Garry Kasparov en una partida de ajedrez, un hito para la capacidad de la IA robótica de planificar y reaccionar. [ 4 ]
Actuación
La actuación en los sistemas robóticos permite que el robot se mueva. Los actuadores adaptables suelen funcionar en respuesta a cambios ambientales, como cambios de temperatura que pueden cambiar la forma del actuador. Por lo tanto, alterando la funcionalidad. [ 5 ] La actuación autoalimentada (sin ataduras) es posible, especialmente en la robótica blanda donde los estímulos externos pueden cambiar la forma de un actuador, creando energía mecánica. [ 6 ] En 1989 Rodney Brooks creó Ghengis, un robot hexapedal capaz de atravesar terrenos difíciles. [ 4 ] El modelo hexapedal utiliza seis actuadores para la movilidad y ha mantenido su prominencia con modelos hexapedales modernos como el Rhex .
Software
Los kits incluyen una plataforma de software abierta adaptada a diversas funciones robóticas comunes. También incluyen hardware robótico común que se conecta fácilmente con el software ( sensores infrarrojos , motores , micrófono y cámara de vídeo), lo que amplía las capacidades del robot. [ 7 ]
El proceso de modificar un robot para lograr capacidades variables como la colaboración podría incluir simplemente la selección de un módulo, el intercambio de módulos, la instrucción robótica a través de software y la ejecución. [ 8 ]
Tipos
Robots blandos
La robótica con pinzas blandas es un campo emergente en el ámbito de la robótica adaptable, basado en la planta carnívora Venus atrapamoscas . Dos superficies robóticas blandas proporcionan módulos de agarre envolventes y de pinza. Esta tecnología se prueba en diversos entornos para determinar los efectos de diferentes objetos, errores de posición y la instalación de la superficie robótica blanda en la capacidad de agarre. [ 9 ] Es posible lograr la actuación sin ataduras, especialmente en robots blandos con polímeros de cristal líquido, una categoría de materiales sensibles a estímulos con efecto de memoria de forma bidireccional. Esto permite que los polímeros de cristal líquido generen energía mecánica cambiando de forma en respuesta a estímulos externos, lo que posibilita la actuación sin ataduras. [ 10 ]
Robots modulares
Robots diseñados para exteriores que se adaptan a paisajes y obstáculos cambiantes. Estos se construyen como una cadena de módulos individuales con articulaciones de bisagra simples, lo que permite a los robots modulares transformarse en diversas formas para recorrer el terreno. Algunas de estas formas incluyen configuraciones como araña , serpentina y bucle. [ 11 ]
Robótica de enjambre
Campo de la robótica que utiliza la inteligencia colectiva para grupos de robots homogéneos simples. Los robots colectivos siguen algoritmos, generalmente diseñados para imitar el comportamiento de animales reales, con el fin de determinar sus movimientos en respuesta a estímulos ambientales. [ 12 ]
Robots biohíbridos
La robótica biohíbrida utiliza tejidos o células vivas para dotar a las máquinas de funciones que serían difíciles de lograr de otro modo. Por ejemplo, se han utilizado células musculares para permitir el movimiento de ciertos robots biohíbridos. La robótica de enjambre se combina con la biohíbrida en ciertos casos, especialmente en el campo médico [ 12 ] [ 13 ] Los robots híbridos insecto-máquina, también conocidos como insectos cíborg o biobots insecto, son la fusión de un insecto vivo y un sistema de control artificial integrado en su cuerpo para impulsar su locomoción o comportamientos. [ 14 ] [ 15 ] [ 16 ] [ 17 ] [ 18 ]
Aplicaciones
La robótica adaptable posee capacidades que la han hecho aplicable a muchos campos, incluidos, entre otros, los campos médico, industrial y experimental.
El aprendizaje por demostración es una estrategia para transferir habilidades de movimiento humano a robots. El objetivo principal es identificar primitivas de movimiento significativas, es decir, movimientos significativos que realizan los humanos, a partir de demostraciones y recrearlos para adaptar el robot a dicho movimiento. Se han presentado algunos problemas con robots que no logran adaptar las habilidades aprendidas mediante el aprendizaje por demostración a nuevos entornos (un cambio respecto al escenario en el que se les dieron las demostraciones iniciales). Estos problemas se han abordado con un modelo de aprendizaje basado en un sistema dinámico no lineal que codifica trayectorias como primitivas de movimiento dinámico, similares a las primitivas de movimiento, pero que representan movimientos significativos mediante una ecuación matemática; las variables de la ecuación cambian con el entorno, modificando el movimiento realizado. Las trayectorias registradas mediante estos sistemas han demostrado ser aplicables a una amplia variedad de entornos, lo que hace que los robots sean más eficaces en sus respectivos ámbitos. El aprendizaje por demostración ha impulsado la aplicabilidad de la robótica en campos donde la precisión es esencial, como los entornos quirúrgicos. [ 19 ]
En el campo médico, la tecnología SAR se centra en obtener datos sensoriales de periféricos portátiles para percibir el estado del usuario. La información recopilada permite a la máquina proporcionar monitorización personalizada, motivación y entrenamiento para la rehabilitación. La interacción humano-robot intuitiva y las interfaces entre humanos y robots permiten funcionalidades como registrar los movimientos de un cirujano para inferir su intención, determinar los parámetros mecánicos del tejido humano y otros datos sensoriales para su uso en escenarios médicos. [ 20 ] La robótica biohíbrida tiene aplicaciones médicas que utilizan componentes biodegradables para permitir que los robots funcionen de forma segura dentro del cuerpo humano. [ 13 ]
La IA, el aprendizaje automático y el aprendizaje profundo han permitido avances en robótica adaptable, como la navegación autónoma, el reconocimiento y la manipulación de objetos, el procesamiento del lenguaje natural y el mantenimiento predictivo. Estas tecnologías han sido esenciales en el desarrollo de cobots (robots colaborativos), que son robots capaces de trabajar junto a humanos y adaptarse a entornos cambiantes. [ 21 ]
En el ámbito industrial, la IA, el aprendizaje automático y el aprendizaje profundo se pueden utilizar para realizar controles de calidad en productos manufacturados, identificar defectos en los productos y alertar a los equipos de producción para que realicen los cambios necesarios en tiempo real. [ 21 ]
Desafíos y limitaciones
Los sistemas que implican la colaboración física entre humanos y robots son difíciles de diseñar correctamente debido a la incertidumbre humana. Los humanos modifican la fuerza de sus movimientos con regularidad debido a factores humanos como las emociones, los procesos biológicos y otros factores externos desconocidos para un robot. Esto puede dificultar la cuantificación de los datos sensoriales para una adaptación exitosa en los robots. Además, las necesidades, características y preferencias específicas de un paciente en un entorno médico varían de una persona a otra. Los sistemas robóticos adaptables requieren un tiempo prolongado para adaptarse al nuevo entorno que se presenta en cada paciente. [ 19 ] [ 20 ]
La necesidad de datos fiables procedentes de la tecnología sensorial supone un reto para los sistemas adaptables, especialmente en el ámbito de la IA. A medida que los modelos de IA avanzan rápidamente, la necesidad de desarrollar tecnologías periféricas capaces de proporcionar la información necesaria para estos sistemas se vuelve cada vez más compleja. Además, la necesidad de entornos dinámicos para entrenar algoritmos de IA resulta un desafío, ya que no todos los escenarios en los que una máquina pueda encontrarse se le presentarán durante el entrenamiento. [ 21 ]
Los robots de enjambre están limitados por interferencias y colisiones, incertidumbre, falta de especialización y falta de comprensión del patrón de comportamiento del enjambre. [ 12 ] La robótica biohíbrida tiene desafíos con las células vivas que son delicadas a pesar de que son adaptables a una variedad de entornos debido a las propiedades del material biológico. [ 13 ]
Véase también
Referencias
- ↑ P. Thomson, “Una historia exhaustiva de la robótica”, G2, 30 de agosto de 2019. https://www.g2.com/articles/history-of-robots (consultado el 30 de octubre de 2023).
- ↑ "Robots adaptables 'en camino' al hogar" . BBC News . 27 de mayo de 2015. Consultado el 9 de noviembre de 2023 .
- 1 2 3 Contenido, Patrocinado (29-07-2019). "Por qué los robots adaptativos son la próxima gran novedad" . Robotics Business Review . Recuperado el 09-11-2023 .
- 1 2 3 4 P. Thomson, “Una historia exhaustiva de la robótica”, G2, 30 de agosto de 2019. https://www.g2.com/articles/history-of-robots (consultado el 30 de octubre de 2023).
- ↑ "Actuadores: qué son, definición, tipos y cómo funcionan" . Automatizaciones progresivas . Consultado el 9 de noviembre de 2023 .
- ↑ Chi, Yinding; Zhao, Yao; Hong, Yaoye; Li, Yanbin; Yin, Jie (febrero de 2024). "Una perspectiva sobre la robótica blanda en miniatura: actuación, fabricación, control y aplicaciones" . Advanced Intelligent Systems . 6 (2) 2300063. doi : 10.1002/aisy.202300063 .
- ↑ "Beneficios de los kits de robótica programables para principiantes" . Twit IQ . 22 de junio de 2022. Consultado el 26 de junio de 2023 .
- ↑ Tokhi, Mohammad; Gurvinder, Virk (2016). Avances en robótica cooperativa: Actas de la 19.ª Conferencia Internacional sobre robótica cooperativa 2016. Hackensack, NJ: World Scientific. pág. 159. ISBN 9789813149120.
- ↑ Xiao, Wei; Liu, Chang; Hu, Dean; Yang, Gang; Han, Xu (abril de 2022). "La superficie robótica blanda mejora la adaptabilidad y la fiabilidad del agarre de las pinzas neumáticas". International Journal of Mechanical Sciences . 219 107094. doi : 10.1016/j.ijmecsci.2022.107094 .
- ↑ Chi, Yinding; Zhao, Yao; Hong, Yaoye; Li, Yanbin; Yin, Jie (febrero de 2024). "Una perspectiva sobre la robótica blanda en miniatura: actuación, fabricación, control y aplicaciones" . Advanced Intelligent Systems . 6 (2) 2300063. doi : 10.1002/aisy.202300063 .
- ↑ Yim, Mark; Zhang, Ying; Duff, David (1 de febrero de 2002). "Robots modulares" . IEEE Spectrum .
- 1 2 3 Iglesias, Andrés; Gálvez, Akemi; Suárez, Patricia (2020). «Robótica de enjambre: un estudio de caso: Robótica de murciélagos». Computación inspirada en la naturaleza e inteligencia de enjambre . pp. 273–302 . doi : 10.1016/B978-0-12-819714-1.00026-9 . ISBN 978-0-12-819714-1.
- 1 2 3 Conocimiento, Ventana al (2019-10-21). "Robots biohíbridos, el siguiente paso en la revolución robótica" . OpenMind . Recuperado el 2023-11-09 .
- ↑ Sato, Hirotaka; Vo Doan, Tat Thang; Kolev, Svetoslav; Huynh, Ngoc Anh; Zhang, Chao; Massey, Travis L.; van Kleef, Joshua; Ikeda, Kazuo; Abbeel, Pieter; Maharbiz, Michel M. (marzo de 2015). "Descifrando el papel de un músculo de dirección de coleópteros mediante la estimulación del vuelo libre" . Current Biology . 25 (6): 798– 803. Bibcode : 2015CBio...25..798S . doi : 10.1016/j.cub.2015.01.051 . ISSN 0960-9822 . PMID 25784033 .
- ↑ Vo Doan, Tat Thang; Tan, Melvin YW; Bui, Xuan Hien; Sato, Hirotaka (febrero de 2018). "Un robot con patas ultraligero y viviente" . Soft Robotics . 5 (1): 17– 23. Bibcode : 2018SoftR...5...17V . doi : 10.1089/soro.2017.0038 . ISSN 2169-5172 . PMID 29412086 .
- ↑ Cao, Feng; Sato, Hirotaka (agosto de 2019). "Un robot híbrido insecto-computadora logra una marcha raramente vista en la naturaleza al reemplazar las espinas de las piernas naturales anisotrópicas con espinas de piernas artificiales isotrópicas". IEEE Transactions on Robotics . 35 (4): 1034– 1038. Bibcode : 2019ITRob..35.1034C . doi : 10.1109/TRO.2019.2903416 . ISSN 1552-3098 .
- ↑ Latif, T.; Bozkurt, A. (agosto de 2012). «Birobóticos terrestres de insectos que siguen líneas». Conferencia Internacional Anual de 2012 de la Sociedad de Ingeniería en Medicina y Biología del IEEE . IEEE. págs. 972–975 . doi : 10.1109/EMBC.2012.6346095 . ISBN 978-1-4577-1787-1. PMID 23366056 .
- ↑ Ma, Songsong; Chen, Yuansheng; Yang, Songlin; Liu, Shen; Tang, Lingqi; Li, Bing; Li, Yao (enero de 2023). "Navegación autónoma por tuberías de un biorobot cucaracha con estímulos de marcha mejorados" . Cyborg and Bionic Systems . 4 0067. doi : 10.34133/cbsystems.0067 . ISSN 2692-7632 . PMC 10631459. PMID 38026542 .
- 1 2 Teng, Tao; Gatti, Matteo; Poni, Stefano; Caldwell, Darwin; Chen, Fei (junio de 2023). "Sistema dinámico difuso para el aprendizaje de habilidades de movimiento de robots a partir de demostraciones humanas". Robotics and Autonomous Systems . 164 104406. doi : 10.1016/j.robot.2023.104406 .
- 1 2 Okamura, Allison; Mataric, Maja; Christensen, Henrik (septiembre de 2010). "Robótica médica y sanitaria". IEEE Robotics & Automation Magazine . 17 (3): 26– 37. Bibcode : 2010IRAM...17c..26O . doi : 10.1109/MRA.2010.937861 . hdl : 1853/37375 .
- 1 2 3 Soori, Mohsen; Arezoo, Behrooz; Dastres, Roza (2023). "Inteligencia artificial, aprendizaje automático y aprendizaje profundo en robótica avanzada, una revisión" . Robótica Cognitiva . 3 : 54–70 . doi : 10.1016/j.cogr.2023.04.001 .
- Kits de robótica
- Robótica adaptable
