Científicos de la UCL, Google DeepMind e Intrinsic han desarrollado un nuevo y poderoso algoritmo de IA que permite que grandes conjuntos de brazos robóticos trabajen juntos de forma más rápida e inteligente en entornos industriales activos, ahorrando potencialmente a los fabricantes horas de planificación y aumentando la flexibilidad.
Científicos de la UCL, Google DeepMind e Intrinsic han desarrollado un nuevo y poderoso algoritmo de IA que permite que grandes conjuntos de brazos robóticos trabajen juntos de forma más rápida e inteligente en entornos industriales activos, ahorrando potencialmente a los fabricantes cientos de horas de tiempo de planificación y desbloqueando nuevos niveles de flexibilidad y eficiencia.
El sistema, llamado RoboBallet , ha sido diseñado para ayudar a equipos de robots automatizados que trabajan en espacios compartidos y llenos de obstáculos, como líneas de montaje y plantas de fabricación, a planificar sus movimientos y tareas automáticamente, sin colisionar entre ellos ni con el entorno circundante.
Este es un desafío que ha afectado a los fabricantes durante mucho tiempo; actualmente, el trabajo se realiza manualmente por programadores humanos especialmente capacitados. Es un proceso muy tedioso y propenso a errores, que requiere cientos de horas para cada conjunto de tareas.
Como se describe en un artículo de investigación publicado en Science Robotics, RoboBallet entrena un cerebro robótico basado en redes neuronales gráficas mediante aprendizaje por refuerzo (RL). En un marco de RL, el cerebro robótico aprende mediante ensayo y error y recibe una recompensa al completar las tareas, con mayores recompensas por completarlas más rápido.
La red neuronal de grafos es una arquitectura de red neuronal que funciona de forma nativa con datos en formato gráfico. Su uso permite a los robots comprender y razonar sobre su entorno (tratando cada obstáculo como un punto en una red, de forma organizada) para que puedan determinar la manera más eficaz de colaborar. Tanto las redes neuronales de grafos como el aprendizaje por refuerzo son técnicas de IA.
En la investigación, después de solo unos días de entrenamiento, RoboBallet pudo generar planos de alta calidad en solo segundos, incluso para diseños complejos que nunca había visto antes, resolviendo hasta 40 tareas con ocho brazos robóticos, mucho más allá de las capacidades de los sistemas anteriores.
El autor principal , Matthew Lai, investigador de doctorado en Ciencias de la Computación de la UCL y Google DeepMind, afirmó : « RoboBallet transforma la robótica industrial en una danza coreografiada, donde cada brazo se mueve con precisión, propósito y consciencia de sus compañeros. No se trata solo de evitar choques; se trata de lograr armonía a gran escala».
“Por primera vez, podemos automatizar la planificación compleja de múltiples robots con la gracia y la velocidad de un baile, haciendo que las fábricas sean más adaptables, eficientes e inteligentes”.
RoboBallet puede planificar los movimientos de los robots cientos de veces más rápido que en tiempo real. Los investigadores afirman que esto podría permitir a las fábricas adaptarse al instante si un robot falla o si cambia la distribución. RobotBallet también permite optimizar la distribución, lo que ayuda a los fabricantes a decidir dónde colocar los robots para obtener la máxima eficiencia y rendimiento.
Los investigadores afirman que la escalabilidad del sistema es un avance fundamental. Los algoritmos de planificación tradicionales tienen dificultades para gestionar más de unos pocos robots debido al crecimiento exponencial de la complejidad. La arquitectura basada en grafos de RoboBallet le permite aprender principios generales de coordinación, en lugar de memorizar escenarios específicos, lo que lo hace ideal para uso industrial a gran escala.
El profesor asociado Alex Li, coautor del proyecto, de Ciencias de la Computación de la UCL, afirmó : «En las fábricas actuales, coordinar múltiples brazos robóticos es como resolver un rompecabezas tridimensional en movimiento: cada acción debe estar perfectamente sincronizada y colocada para evitar colisiones. Actualmente, esta planificación requiere cientos de horas de trabajo de especialistas y su diseño manual resulta costoso».
El nombre, RoboBallet, captura la elegancia y lo que podemos hacer con tantos robots. Así como los bailarines de ballet se mueven en perfecta armonía, nuestros robots ahora pueden coordinar sus movimientos con una precisión y una gracia sobrehumanas. RoboBallet podría generar instantáneamente planos para diseños completamente nuevos a gran escala y a velocidades imposibles de crear a mano para especialistas.
¿Para qué se puede utilizar esto?
A medida que la manufactura continúa evolucionando hacia una producción más flexible y adaptable, esta tecnología podría utilizarse en la fabricación de automóviles, así como en el ensamblaje de productos electrónicos o incluso en la construcción de viviendas con robots. Es especialmente útil en lugares donde los robots necesitan trabajar en estrecha colaboración sin interferir entre sí.
¿Que sigue?
Si bien la versión actual de RoboBallet se centra en tareas de alcance, donde un robot mueve su brazo a un punto específico para tareas como soldar, los investigadores afirman que podría extenderse a operaciones más complejas como recoger y colocar objetos o pintar. Los investigadores también prevén versiones futuras que gestionen dependencias de tareas , equipos de robots heterogéneos y geometrías de obstáculos más sofisticadas.
Limitaciones
El equipo reconoce que RoboBallet aún no gestiona todos los escenarios posibles en una fábrica. Por ejemplo, actualmente no contempla tareas que deben realizarse en un orden específico ni robots con diferentes capacidades. Sin embargo, creen que estas funciones se pueden añadir en futuras versiones, y la arquitectura flexible del sistema lo hace ideal para dichas mejoras.
El trabajo fue financiado por Google DeepMind e Intrinsic, y el código base es de código abierto, lo que permite que otros investigadores sigan desarrollando sobre él y acelerando todo el campo.
University College London News. Traducido al español
