Robot autónomo

El primer requisito para la autonomía física completa es que un robot pueda valerse por sí mismo. Muchos de los robots a batería que hay actualmente en el mercado pueden encontrar y conectarse a una estación de carga, y algunos juguetes como el Aibo de Sony son capaces de acoplarse automáticamente para cargar sus baterías.

El automantenimiento se basa en la propiocepción , es decir, en la percepción del propio estado interno. En el ejemplo de la carga de la batería, el robot puede detectar propioceptivamente que sus baterías están bajas y, a continuación, busca el cargador. Otro sensor propioceptivo común se utiliza para la monitorización de la temperatura. Se requerirá una mayor propiocepción para que los robots trabajen de forma autónoma cerca de personas y en entornos hostiles. Entre los sensores propioceptivos comunes se incluyen la detección térmica, óptica y háptica, así como el efecto Hall (eléctrico).

La exterocepción consiste en percibir información del entorno. Los robots autónomos deben contar con una variedad de sensores ambientales para realizar su tarea y evitar problemas. El robot autónomo puede detectar fallos en los sensores y minimizar el impacto de dichos fallos en su rendimiento. ^{[ 1 ]}

• Entre los sensores exteroceptivos comunes se incluyen el espectro electromagnético , el sonido, el tacto, las sustancias químicas (olor), la temperatura, la distancia a diversos objetos y la altitud.

Algunos robots cortacésped adaptan su programación detectando la velocidad de crecimiento del césped según sea necesario para mantener un césped perfectamente cortado, y algunos robots aspiradores tienen detectores de suciedad que perciben la cantidad de suciedad que se recoge y utilizan esta información para indicarles que permanezcan más tiempo en una zona determinada.

El siguiente paso en el comportamiento autónomo es realizar una tarea física. Un nuevo sector con gran potencial comercial son los robots domésticos, con una avalancha de pequeños robots aspiradores que comenzó con iRobot y Electrolux en 2002. Si bien el nivel de inteligencia de estos sistemas no es elevado, navegan por amplias zonas y se desenvuelven con soltura en espacios reducidos dentro de los hogares mediante sensores de contacto y sin contacto. Ambos robots utilizan algoritmos propios para aumentar la cobertura en comparación con el simple rebote aleatorio.

El siguiente nivel de rendimiento en tareas autónomas requiere que un robot realice tareas condicionales. Por ejemplo, los robots de seguridad pueden programarse para detectar intrusos y responder de una manera específica según la ubicación del intruso. Por ejemplo, Amazon lanzó su sistema Astro para monitoreo del hogar, seguridad y cuidado de personas mayores en septiembre de 2021. ^{[ 2 ]}

Varios problemas abiertos en robótica autónoma son propios de este campo y no forman parte de la búsqueda general de la IA. Según el libro de George A. Bekey, « Robots autónomos: De la inspiración biológica a la implementación y el control» , entre los problemas se incluye asegurar que el robot funcione correctamente y no choque con obstáculos de forma autónoma. El aprendizaje por refuerzo se ha utilizado para controlar y planificar la navegación de robots autónomos, especialmente cuando un grupo de ellos opera en colaboración. ^{[ 6 ]}

Autonomía energética y recolección

Los investigadores interesados ​​en crear vida artificial auténtica no solo se preocupan por el control inteligente, sino también por la capacidad del robot para encontrar sus propios recursos mediante la búsqueda de alimento (que incluye tanto energía como piezas de repuesto).

Esto está relacionado con la búsqueda autónoma de alimento , una preocupación dentro de las ciencias de la ecología del comportamiento , la antropología social y la ecología del comportamiento humano ; así como la robótica , la inteligencia artificial y la vida artificial . ^{[ 7 ]}

Robustez sistémica y fragilidad en el mundo real

Los robots autónomos siguen siendo muy vulnerables a cambios inesperados en entornos reales. Incluso variaciones menores, como un rayo de sol repentino que interrumpe los sistemas de visión o irregularidades imprevistas del terreno, pueden provocar fallos en sistemas enteros. ^{[ 8 ]} Esta fragilidad se debe a que la robótica es inherentemente un problema de sistemas , donde una deficiencia en cualquier módulo (percepción, planificación, actuación) puede comprometer todo el robot.

Comprensión de escenas de mundo abierto

Los robots suelen depender de conjuntos de datos capturados en condiciones controladas, lo que limita su capacidad de generalización a escenarios novedosos y dinámicos del mundo real. Tienen dificultades con objetos desconocidos, oclusiones, escalas de objetos variables y entornos que cambian rápidamente. Desarrollar sistemas de aprendizaje auto-supervisado y continuo que se adapten a condiciones de mundo abierto sigue siendo un desafío apremiante. ^{[ 9 ]}

Coordinación y descentralización de múltiples robots

El escalado de los sistemas robóticos plantea problemas complejos en materia de coordinación, seguridad y comunicación. En la navegación multiagente , surgen desafíos como bloqueos, comportamientos egoístas e ineficiencias en el muestreo. Innovaciones como la división de la planificación en subproblemas, la combinación de aprendizaje por refuerzo con aprendizaje por imitación, enfoques híbridos centralizados-descentralizados (por ejemplo, aprendizaje de comunicación priorizada), mecanismos de atención y transformadores de grafos han demostrado ser prometedoras, pero la coordinación estable, en tiempo real y a gran escala sigue siendo una frontera abierta. ^{[ 10 ]}

Transferencia de simulación a realidad (“brecha de realidad”)

El aprendizaje por refuerzo profundo es una herramienta poderosa para enseñar navegación y control a robots, pero el entrenamiento en simulación introduce discrepancias al implementarse en la realidad. La brecha con la realidad (o las diferencias entre entornos simulados y reales) sigue impidiendo una implementación confiable, a pesar de las estrategias para mitigarla. ^{[ 11 ] [ 12 ]}

Restricciones de hardware y sistemas híbridos biológicos

Las limitaciones físicas de las baterías, los motores, los sensores y los actuadores restringen la autonomía, la resistencia y la adaptabilidad de los robots, especialmente en el caso de los robots humanoides o híbridos biológicos blandos. Si bien los sistemas biohíbridos (por ejemplo, los que utilizan tejido muscular vivo) sugieren el aprovechamiento de la energía y la actuación biológicas, introducen desafíos radicalmente nuevos en cuanto a materiales, integración y control. ^{[ 13 ] [ 14 ]}

Ética, responsabilidad e integración social

A medida que los robots se vuelven más autónomos, especialmente en funciones públicas o colaborativas, aumentan los problemas éticos y legales. ¿Quién es responsable cuando un sistema autónomo causa daño? Los marcos regulatorios aún están en desarrollo para abordar la responsabilidad, la transparencia, los sesgos y la seguridad en sistemas como los automóviles autónomos o los robots de interacción social. ^{[ 15 ]}

IA incorporada y adopción industrial

Aunque los algoritmos de IA han avanzado considerablemente, su integración en robots (IA incorporada) para su uso en el mundo real sigue siendo un proceso lento. Las limitaciones de hardware, la viabilidad económica y las restricciones de infraestructura limitan su adopción generalizada. Por ejemplo, robots humanoides como « Pepper » no lograron una adopción generalizada debido a problemas fundamentales de coste y complejidad. ^{[ 14 ] [ 16 ]}

Interacción humano-robot en entornos no estructurados.

Los robots que trabajan cerca o junto a personas en un espacio compartido necesitan comportamientos que los humanos puedan interpretar, anticipar y con los que puedan coordinarse. Diseñar políticas de interacción que equilibren la eficiencia, la comodidad y la seguridad, y que funcionen en diferentes culturas y contextos, sigue siendo difícil. Si bien los robots pueden preprogramarse con comportamientos específicos, en implementaciones reales inevitablemente se presentan situaciones en las que estas capacidades resultan insuficientes. ^{[ 17 ]}

Los primeros robots autónomos, conocidos como Elmer y Elsie , fueron construidos a finales de la década de 1940 por W. Grey Walter . Fueron los primeros robots programados para "pensar" como lo hacen los cerebros biológicos y se les atribuyó libre albedrío . ^{[ 20 ]} A Elmer y Elsie se les solía llamar tortugas debido a su forma y a su manera de moverse. Eran capaces de fototaxis , el movimiento que se produce en respuesta a un estímulo luminoso. ^{[ 21 ]}

Los rovers de Marte MER-A y MER-B (ahora conocidos como rover Spirit y rover Opportunity ) encontraron la posición del Sol y navegaron sus propias rutas hacia sus destinos, sobre la marcha, mediante:

• Mapeo de la superficie con visión 3D
• Calcular las zonas seguras e inseguras de la superficie dentro de ese campo de visión.
• Calcular rutas óptimas a través del área segura hacia el destino deseado.
• Conduciendo a lo largo de la ruta calculada
• Repetir este ciclo hasta que se alcance el destino o no exista un camino conocido hacia el destino.

El rover Rosalind Franklin de la ESA, actualmente en desarrollo , es capaz de realizar localización relativa y absoluta basada en visión para navegar de forma autónoma por trayectorias seguras y eficientes hacia sus objetivos mediante :

• Reconstrucción de modelos 3D del terreno que rodea al Rover utilizando un par de cámaras estéreo.
• Determinar las zonas seguras e inseguras del terreno y la "dificultad" general para que el Rover navegue por él.
• Calcular rutas eficientes a través del área segura hacia el destino deseado.
• Conduciendo el Rover por el camino previsto.
• Creación de un mapa de navegación a partir de todos los datos de navegación anteriores.

Durante el desafío final del Centenario del Robot de Retorno de Muestras de la NASA en 2016, un rover llamado Cataglyphis demostró con éxito capacidades de navegación, toma de decisiones y detección, recuperación y retorno de muestras totalmente autónomas. ^{[ 22 ]} El rover se basó en una fusión de mediciones de sensores inerciales , codificadores de ruedas, Lidar y cámara para la navegación y el mapeo, en lugar de usar GPS o magnetómetros. Durante el desafío de 2 horas, Cataglyphis recorrió más de 2,6  km y devolvió cinco muestras diferentes a su posición inicial.

El robot Seekur fue el primer robot disponible comercialmente en demostrar capacidades similares a las del MDARS para uso general en aeropuertos, plantas de servicios públicos, centros penitenciarios y seguridad nacional . ^{[ 23 ]}

El DARPA Grand Challenge y el DARPA Urban Challenge han fomentado el desarrollo de capacidades aún más autónomas para vehículos terrestres, mientras que este ha sido el objetivo demostrado para los robots aéreos desde 1990 como parte de la AUVSI International Aerial Robotics Competition .

Los carros de transferencia AMR desarrollados por Seyiton se utilizan para transferir cargas de hasta 1500 kilogramos dentro de las fábricas. ^{[ 24 ]}

Entre 2013 y 2017, TotalEnergies organizó el ARGOS Challenge para desarrollar el primer robot autónomo para instalaciones de producción de petróleo y gas. Los robots tuvieron que enfrentarse a condiciones exteriores adversas como lluvia, viento y temperaturas extremas. ^{[ 25 ]}

Algunos ejemplos de robots actuales importantes son:

• Sophia es un robot autónomo ^{[ 26 ] [ 27 ]} conocido por su apariencia y comportamiento similares a los humanos en comparación con variantes robóticas anteriores. A partir de 2018, la arquitectura de Sophia incluye software de scripting, un sistema de chat y OpenCog , un sistema de IA diseñado para el razonamiento general. ^{[ 28 ]} Sophia imita gestos y expresiones faciales humanas y es capaz de responder ciertas preguntas y mantener conversaciones sencillas sobre temas predefinidos (por ejemplo, sobre el clima). ^{[ 29 ]} El programa de IA analiza las conversaciones y extrae datos que le permiten mejorar las respuestas en el futuro. ^{[ 30 ]}
• Otros nueve robots humanoides "hermanos" que también fueron creados por Hanson Robotics . ^{[ 31 ]} Los robots compañeros de Hanson son Alice, Albert Einstein Hubo , BINA48 , Han, Jules, Professor Einstein, Philip K. Dick Android, Zeno, ^{[ 31 ]} y Joey Chaos. ^{[ 32 ]} Alrededor de 2019-20, Hanson lanzó "Little Sophia" como una compañera que podía enseñar a los niños a programar, incluyendo soporte para Python, Blockly y Raspberry Pi. ^{[ 33 ]}

Las armas autónomas letales (LAW, por sus siglas en inglés) son un tipo de sistema militar robótico autónomo que puede buscar y atacar objetivos de forma independiente basándose en restricciones y descripciones programadas. ^{[ 34 ]} Las LAW también se conocen como sistemas de armas autónomas letales (LAWS, por sus siglas en inglés), sistemas de armas autónomas (AWS, por sus siglas en inglés), armas robóticas, robots asesinos o robots de matanza. ^{[ 35 ]} Las LAW pueden operar en el aire, en tierra, en el agua, bajo el agua o en el espacio. La autonomía de los sistemas actuales a partir de 2018Estaba restringido en el sentido de que un ser humano da la orden final de atacar, aunque existen excepciones con ciertos sistemas "defensivos".

• El Perfil de Interoperabilidad de UGV (UGV IOP), IOP de Robótica y Sistemas Autónomos – Terrestres (RAS-G IOP), fue originalmente un programa de investigación iniciado por el Departamento de Defensa de los Estados Unidos (DoD) para organizar y mantener estándares de interoperabilidad de arquitectura abierta para vehículos terrestres no tripulados (UGV) . ^{[ 36 ] [ 37 ] [ 38 ] [ 39 ]} El IOP fue creado inicialmente por la Oficina de Proyectos Conjuntos de Sistemas Robóticos del Ejército de los EE. UU. (RS JPO): ^{[ 40 ] [ 41 ] [ 42 ]}
• En octubre de 2019, Textron y Howe & Howe presentaron su vehículo Ripsaw M5, ^{[ 43 ]} y el 9 de enero de 2020, el Ejército de los EE. UU. les adjudicó un contrato para el programa Vehículo de Combate Robótico-Medio (RCV-M). Se entregarán cuatro prototipos del Ripsaw M5 y se utilizarán a nivel de compañía para determinar la viabilidad de integrar vehículos no tripulados en operaciones de combate terrestre a finales de 2021. ^{[ 44 ] [ 45 ] [ 46 ]} Puede alcanzar velocidades de más de 40 mph (64 km/h) , tiene un peso de combate de 10,5 toneladas y una capacidad de carga útil de 8000 lb (3600 kg) . ^{[ 47 ]} El RCV-M está armado con un cañón automático de 30 mm y un par de misiles antitanque . El paquete de blindaje estándar puede resistir proyectiles de 12,7 × 108 mm , y el blindaje adicional opcional aumenta el peso hasta 20 toneladas. Si queda inutilizado, conservará la capacidad de disparar, priorizando la transmisión de sus sensores y enlace de radio como su función principal. ^{[ 48 ]}     
• Crusher es un vehículo de combate terrestre no tripulado autónomo todoterreno de 6000 kg (13 200 libras) ^{[ 49 ]} desarrollado por investigadores del Centro Nacional de Ingeniería Robótica de la Universidad Carnegie Mellon para DARPA . ^{[ 50 ]} Es una continuación del vehículo Spinner anterior. ^{[ 51 ]} El nombre técnico de DARPA para Crusher es Sistema de Integración de Vehículo de Combate Terrestre No Tripulado y Perceptor , ^{[ 52 ]} y todo el proyecto se conoce por el acrónimo UPI, que significa Integración de Vehículo de Combate Terrestre No Tripulado y Perceptor . ^{[ 50 ]} 
• CATS Warrior será un dron de apoyo autónomo capaz de despegar y aterrizar en tierra y en el mar desde un portaaviones ; se unirá a las plataformas de combate existentes de la IAF como Tejas , Su-30 MKI y Jaguar , que actuará como su nave nodriza. ^{[ 53 ]}
• El Warrior está concebido principalmente para la Fuerza Aérea India, y se diseñará una versión similar, aunque más pequeña, para la Armada India . Sería controlado por la nave nodriza y realizaría tareas como reconocimiento, absorción de fuego enemigo, ataque a los objetivos si fuera necesario con sus armas de pilones internos y externos, o bien se sacrificaría estrellándose contra el objetivo.
• El SGR-A1 es un tipo de cañón centinela autónomo desarrollado conjuntamente por Samsung Techwin (ahora Hanwha Aerospace ) y la Universidad de Corea para apoyar a las tropas surcoreanas en la Zona Desmilitarizada de Corea . Se considera ampliamente como la primera unidad de su tipo con un sistema integrado que incluye vigilancia, seguimiento, disparo y reconocimiento de voz. ^{[ 54 ]} Si bien se han desplegado unidades del SGR-A1, se desconoce su número debido a que el proyecto es "altamente clasificado". ^{[ 55 ]}

Tesla Robot y NVIDIA GR00T son robots humanoides. Los humanoides son máquinas diseñadas para imitar la forma humana en apariencia y comportamiento. Estos robots suelen tener cabeza, torso, brazos y piernas, lo que les da un aspecto similar al de los humanos.

Un robot de reparto es un robot autónomo utilizado para entregar mercancías.

El 27 de julio de 2022 se presentó un robot de carga automática con forma de brazo robótico diseñado para cargar vehículos eléctricos. Desde 2021, ha estado operando en fase piloto en la sede de Hyundai Motor Group. Incorpora el sistema VISION AI, basado en tecnología de aprendizaje profundo. Cuando un vehículo eléctrico se estaciona frente al cargador, el brazo robótico reconoce el cargador y obtiene sus coordenadas. Posteriormente, inserta automáticamente un conector en el vehículo y realiza la carga rápida. El brazo robótico cuenta con una estructura vertical multiarticular que permite su uso en cargadores ubicados en diferentes puntos para cada vehículo. Además, es resistente al agua y al polvo. ^{[ 56 ]}

Los robots de construcción se utilizan directamente en las obras y realizan trabajos como la construcción, la manipulación de materiales, el movimiento de tierras y la vigilancia.

Los robots móviles de investigación y educación se utilizan principalmente durante la fase de prototipado en el proceso de construcción de robots a escala real. Son versiones a escala reducida de robots más grandes, con los mismos tipos de sensores, cinemática y software (por ejemplo , ROS ). Suelen ser ampliables y ofrecen una interfaz de programación intuitiva y herramientas de desarrollo. Además del prototipado de robots a escala real, también se utilizan en la educación, especialmente a nivel universitario, donde cada vez se introducen más laboratorios sobre programación de vehículos autónomos.

• Inteligencia artificial
• Robótica cognitiva
• Robótica del desarrollo
• Robótica evolutiva
• Localización y mapeo simultáneos
• Teleoperación
• máquina de von Neumann
• Problema del robot de despertar
• William Grey Walter

• coche autónomo
• robot de investigación autónomo
• barco dron autónomo para puerto espacial
• Robot doméstico
• robot humanoide

• AIBO
• Amazon Scout
• Microbótica
• RoboBee
• Robomow

• Vehículo teledirigido
• Control de robots