Detección robótica

Los sistemas de detección visual pueden basarse en diversas tecnologías y métodos, incluyendo el uso de cámaras , sonar , láser e identificación por radiofrecuencia (RFID) ^{[ 1 ]} . Los cuatro métodos se centran en tres procedimientos: detección, estimación y comparación.

La calidad de la imagen es importante en aplicaciones que requieren una excelente visión robótica. Los algoritmos basados ​​en la transformada wavelet , que se utilizan para fusionar imágenes de diferentes espectros y diferentes focos , dan como resultado una mejor calidad de imagen. ^{[ 2 ]} Los robots pueden obtener información más precisa a partir de la imagen mejorada resultante.

Los sensores visuales ayudan a los robots a identificar el entorno circundante y a tomar las medidas adecuadas. ^{[ 3 ]} Los robots analizan la imagen del entorno inmediato a partir de los datos recibidos del sensor visual. El resultado se compara con la imagen ideal, intermedia o final, de modo que se pueda determinar el movimiento o la acción apropiada para alcanzar el objetivo intermedio o final.

Las señales sensoriales táctiles pueden generarse mediante los propios movimientos del robot. Para un funcionamiento preciso, es fundamental identificar únicamente las señales táctiles externas. Las soluciones anteriores empleaban el filtro de Wiener , que se basa en el conocimiento previo de las estadísticas de la señal, las cuales se asumen estacionarias. Una solución reciente aplica un filtro adaptativo a la lógica del robot. ^{[ 4 ]} Esto permite al robot predecir las señales sensoriales resultantes de sus movimientos internos, eliminando así las señales falsas. El nuevo método mejora la detección de contacto y reduce las interpretaciones erróneas.

^{[ 30 ]} Los patrones táctiles permiten a los robots interpretar las emociones humanas en aplicaciones interactivas. Cuatro características medibles —fuerza, tiempo de contacto, repetición y cambio de área de contacto — pueden categorizar eficazmente los patrones táctiles a través del clasificador de árbol de decisión temporal para tener en cuenta el retraso de tiempo y asociarlos a las emociones humanas con una precisión de hasta el 83 %. ^{[ 5 ]} El índice de consistencia ^{[ 5 ]} se aplica al final para evaluar el nivel de confianza del sistema para evitar reacciones inconsistentes.

Los robots utilizan señales táctiles para mapear el perfil de una superficie en entornos hostiles, como una tubería de agua. Tradicionalmente, se programaba una trayectoria predeterminada en el robot. Actualmente, con la integración de sensores táctiles , los robots primero adquieren un punto de datos aleatorio; el algoritmo ^{[ 6 ]} del robot determinará entonces la posición ideal de la siguiente medición según un conjunto de primitivas geométricas predefinidas. Esto mejora la eficiencia en un 42 %. ^{[ 5 ]}

En los últimos años, el uso del tacto como estímulo para la interacción ha sido objeto de numerosos estudios. En 2010, se construyó la foca robot PARO, que reacciona a diversos estímulos de la interacción humana, incluido el tacto. Los beneficios terapéuticos de esta interacción humano-robot aún se están estudiando, pero han mostrado resultados muy positivos. ^{[ 31 ]}

Los sensores de audio precisos requieren una baja contribución de ruido interno. Tradicionalmente, los sensores de audio combinan matrices acústicas y micrófonos para reducir el nivel de ruido interno. Las soluciones recientes también incorporan dispositivos piezoeléctricos . ^{[ 7 ]} Estos dispositivos pasivos utilizan el efecto piezoeléctrico para transformar la fuerza en voltaje , de modo que se pueda eliminar la vibración que causa el ruido interno. En promedio, se puede reducir el ruido interno hasta en aproximadamente 7 dB . ^{[ 7 ]}

Los robots pueden interpretar el ruido residual como instrucciones de voz. El sistema actual de detección de actividad de voz (VAD) utiliza el método del centroide del círculo del espectro complejo (CSCC) y un formador de haces de relación señal-ruido (SNR) máxima . ^{[ 32 ]} Dado que los humanos suelen mirar a sus interlocutores al conversar, el sistema VAD con dos micrófonos permite al robot localizar el habla instructiva comparando la intensidad de la señal de ambos micrófonos. El sistema actual es capaz de lidiar con el ruido de fondo generado por televisores y dispositivos de sonido que provienen de los lados.

Los robots pueden percibir emociones a través de nuestra forma de hablar y las características y rasgos asociados. Generalmente, se utilizan características acústicas y lingüísticas para caracterizar las emociones. La combinación de siete características acústicas y cuatro lingüísticas mejora el rendimiento del reconocimiento en comparación con el uso de un solo conjunto de características. ^{[ 33 ]}

Los robots automatizados requieren un sistema de guiado para determinar la trayectoria ideal para realizar su tarea. Sin embargo, a escala molecular, los nanorobots carecen de dicho sistema de guiado, ya que las moléculas individuales no pueden almacenar movimientos y programas complejos. Por lo tanto, la única forma de lograr movimiento en este entorno es reemplazar los sensores con reacciones químicas. Actualmente, una araña molecular que tiene una molécula de estreptavidina como cuerpo inerte y tres patas catalíticas es capaz de iniciar, seguir, girar y detenerse al encontrarse con diferentes estructuras de ADN origami . ^{[ 8 ]} Los nanorobots basados ​​en ADN pueden moverse más de 100  nm con una velocidad de 3  nm/min. ^{[ 8 ]}

En una operación TSI , que es una forma eficaz de identificar tumores y potencialmente cáncer midiendo la presión distribuida en la superficie de contacto del sensor, una fuerza excesiva puede causar daños y existe la posibilidad de destruir el tejido. La aplicación del control robótico para determinar la trayectoria óptima de la operación puede reducir las fuerzas máximas en un 35 % y lograr un aumento del 50 % en la precisión ^{[ 9 ]} en comparación con los médicos humanos.

La exploración robótica eficiente ahorra tiempo y recursos. La eficiencia se mide por la optimización y la competitividad. La exploración óptima de límites solo es posible cuando un robot tiene un área de detección cuadrada, comienza en el límite y utiliza la métrica de Manhattan . ^{[ 10 ]} En geometrías y entornos complejos, un área de detección cuadrada es más eficiente y puede lograr una mayor competitividad independientemente de la métrica y del punto de partida. ^{[ 10 ]}