ADAPT: An Autonomous Forklift for Construction Site Operation

Este artículo presenta ADAPT, un montacargas todoterreno totalmente autónomo que integra la percepción impulsada por IA con métodos de control tradicionales para navegar en entornos de construcción complejos, demostrando mediante extensas pruebas en el mundo real que puede lograr un rendimiento cercano al nivel humano en el manejo de materiales en diversas condiciones climáticas.

Lo esencial

Imagina una obra de construcción como una pista de baile caótica y llena de barro donde se deben mover materiales pesados desde los camiones hasta puntos específicos. Normalmente, un conductor humano se sienta en un montacargas, entrecerrando los ojos a través del polvo y la lluvia, tratando de adivinar dónde colocar las horquillas. Esto es cansado, lento y peligromente.

Este artículo presenta a ADAPT, un "montacargas robot" diseñado para hacer este trabajo por sí solo, incluso cuando el terreno es irregular y el clima es malo. Piensa en ADAPT no como un rígido robot de almacén, sino como un camión inteligente todo terreno que puede pensar, ver y conducir por sí mismo a través de una zona de construcción desordenada.

Así es como funciona ADAPT, desglosado en partes simples:

1. El Cuerpo: Un Camión Robusto con un Cerebro

ADAPT no es una máquina nueva construida desde cero; es un montacargas estándar montado en un camión de alta resistencia (el Palfinger BM154) al que se le ha dado un "cerebro" y "nervios".

• Los Nervios (Sensores): En lugar de ojos, tiene un conjunto de sensores. Utiliza LiDAR (como el sonar de un murciélago pero con láseres) para ver la forma del mundo en 3D, cámaras estéreo (como ojos humanos) para detectar palés, y GPS para saber dónde está en un mapa.
• El Cerebro (Computadora): Tiene una computadora robusta que procesa todos estos datos instantáneamente. Es como tener un copiloto que nunca se cansa, nunca parpadea y calcula la ruta más segura en milisegundos.

2. Los "Ojos": Ver a través del Caos

Las obras de construcción son desordenadas. Los palés no están alineados perfectamente; están dispersos, a veces cubiertos de tierra, y el suelo es irregular.

• Encontrar los Palés: ADAPT utiliza un "detective de IA" especial entrenado con millones de imágenes generadas por computadora. Mira el mundo a través de sus cámaras y dice: "¡Eso es un palé de madera!". Determina exactamente dónde está el palé y cómo está inclinado, incluso si está parcialmente oculto.
• El Mapa "Mágico": Para saber si puede conducir sobre una pila de grava o un charco, ADAPT construye un mapa 2.5D. Imagina un mapa topográfico que no solo sabe dónde están las cosas, sino qué cosas son seguras para conducir y cuáles son zonas de "no pasar". Actualiza constantemente este mapa mientras conduce, recordando dónde estaban los obstáculos y dónde se movieron.

3. La "Memoria": Saber Dónde Está Todo

Una de las partes más difíciles de conducir en una zona de construcción es que la señal de GPS puede ser inestable y el suelo se desplaza.

• El Grafo de Factores: El artículo describe un truco matemático ingenioso llamado "grafo de factores". Imagina una red gigante que conecta la ubicación del montacargas, el GPS y los palés que ve. Si la señal del GPS oscila, la red se tensa alrededor de los palés que ve para mantener al montacargas en su trayectoria. Es como agarrarse de un pasamanos cuando el suelo tiembla; el montacargas utiliza los palés como anclas para mantener la precisión.
• El Resultado: Incluso si la señal de GPS cae por un momento, el robot sabe exactamente dónde está en relación con el palé que intenta recoger.

4. Las "Manos": Recoger la Carga

Una vez que ADAPT encuentra un palé, tiene que agarrarlo. Esta es la parte complicada.

• El "Sentir": El montacargas tiene sensores de presión especiales en sus horquillas. Es como tener dedos sensibles. Cuando las horquillas tocan el palé, el robot sabe exactamente cuándo dejar de empujar. No solo adivina; siente el contacto.
• El Enfoque: Utiliza una técnica de "servovisual" (visual servoing). Imagina un videojuego donde tienes que alinear perfectamente un cursor para disparar a un objetivo. ADAPT ajusta constantemente su posición basándose en lo que ve la cámara hasta que las horquillas se deslizan perfectamente en los huecos del palé.

5. El "Guarda de Seguridad": Detenerse Antes de un Choque

Las obras de construcción están llenas de sorpresas: otros camiones, trabajadores y perros.

• El "Vigía": ADAPT tiene un sistema de seguridad dedicado que escanea el camino hacia adelante. Si ve algo moviéndose (como una persona o una excavadora) que podría cruzarse en su camino, no intenta esquivarlo como haría un humano. En su lugar, aplica los frenos y espera.
• El Respaldo Humano: El sistema no es perfecto todavía. Si el robot se queda atascado o confundido, un trabajador humano puede intervenir, solucionar la situación y luego el robot retoma el control sin problemas. Es como un coche autónomo que pide ayuda a un pasajero cuando se pierde, y luego continúa conduciendo una vez que el pasajero le indica el camino.

La Gran Prueba: Robot contra Humano

Los investigadores no solo construyeron el robot; lo pusieron a prueba. Compararon a ADAPT contra un conductor de montacargas humano con 20 años de experiencia.

• El Veredicto: En diversas condiciones climáticas (incluyendo la lluvia), ADAPT se desempeñó casi tan bien como el experto humano. Fue confiable, seguro y eficiente.
• La Conclusión: El artículo concluye que estamos cerca de un futuro donde los robots pueden encargarse del trabajo sucio, peligroso y aburrido de mover materiales en las obras de construcción, haciendo que el trabajo sea más seguro para los humanos y el proceso más eficiente.

En resumen: ADAPT es un montacargas autónomo y robusto que utiliza láseres, cámaras y matemáticas inteligentes para navegar por una obra de construcción desordenada, encontrar palés dispersos, recogerlos de forma segura y entregarlos, todo ello mientras vigila atentamente su entorno para evitar choques. Es un robot que puede trabajar bajo la lluvia y el lodo, al igual que un humano, pero sin cansarse.

Resumen técnico

Resumen Técnico: ADAPT – Un Montacargas Autónomo para Operaciones en Sitios de Construcción

Planteamiento del Problema

La logística eficiente de materiales es crítica para controlar costos y cronogramas en la industria de la construcción, sin embargo, el manejo manual sigue siendo propenso a ineficiencias, retrasos y riesgos de seguridad. Si bien los sistemas autónomos han alcanzado la madurez en entornos estructurados (por ejemplo, almacenes) y sectores exteriores específicos (por ejemplo, minería de superficie, agricultura), el despliegue de montacargas autónomos en sitios de construcción presenta desafíos únicos. A diferencia de los entornos controlados, los sitios de construcción son no estructurados, presentan obstáculos dinámicos, terrenos irregulares y condiciones climáticas variables. Además, la industria enfrenta una escasez de trabajadores calificados y altos riesgos de seguridad, con accidentes relacionados con el manejo de materiales que contribuyen significativamente a las fatalidades y los costos. La investigación existente sobre maquinaria de construcción autónoma a menudo carece de evaluaciones exhaustivas en el mundo real de ciclos completos de carga o de la capacidad de operar de manera robusta en entornos exteriores no estructurados sin sistemas de guía predefinidos.

Metodología

El artículo presenta ADAPT (Transportador de Paletas Todo Terreno Dinámico Autónomo), un montacargas fuera de carretera autónomo diseñado para operar en entornos de construcción no estructurados sin la necesidad de infraestructura predefinida. El sistema integra la percepción impulsada por IA con metodologías tradicionales de toma de decisiones, planificación y control.

Arquitectura del Sistema

• Plataforma de Hardware: Basada en el montacargas montado en camión Palfinger BM154, un vehículo de tracción total y articulación central. Fue modificado con una arquitectura de procesamiento distribuido que comprende un PLC B&R X90 para control de actuación y seguridad de bajo nivel, y una PC industrial robusta (IPC) para percepción y planificación de alto nivel.
• Conjunto de Sensores: El sistema utiliza una configuración multisensorial que incluye:
  • RTK-GNSS (Septentrio mosaic-H): Para localización global a nivel de centímetros.
  • LiDARs: Un Ouster OS1-64 de campo amplio para mapeo y detección de obstáculos; un Livox Mid-70 de campo estrecho para la detección de objetos en la dirección de las horquillas y la detección de bordes del camión; y un LiDAR 2D Sick picoScan150 para precisión de corto alcance.
  • Cámara Estéreo (ZED 2i): Central para la detección de paletas y estimación de pose.
  • Propiocepción: Codificadores de rueda, potenciómetros lineales para la junta central y sensores de presión para retroalimentación hidráulica.

Percepción y Localización

• Localización de la Junta y Mapeo de Paletas: El sistema emplea un marco de optimización basado en grafos de factores (usando iSAM2) para estimar conjuntamente la pose del montacargas y las poses de las paletas. Este enfoque fusiona la odometría, el GNSS y las detecciones de paletas. A diferencia del SLAM estándar que depende de características naturales, este método opera a un nivel superior utilizando las poses de los objetos (ubicaciones de las paletas) como hitos, lo que permite una operación robusta incluso con señales GNSS degradadas.
• Mapeo de Transitabilidad: Se genera un mapa de elevación 2.5D a partir de datos LiDAR mediante un proceso de tres etapas (análisis de escaneo único, agregación de vóxeles 3D y generación de mapa de elevación). Este mapa distingue entre terreno transitable, obstáculos y pendientes, lo cual es crucial para prevenir vuelcos en terrenos irregulares.
• Detección de Paletas y Estimación de Pose: El sistema utiliza una red neuronal basada en geometría entrenada sintéticamente para detectar paletas Euro y estimar su pose 6D a partir de datos de profundidad estéreo. El flujo de entrenamiento genera más de 150,000 pares de imágenes estéreo sintéticas para minimizar la brecha sim-to-real. La estimación de pose utiliza un modelo de constelación de partes y un paso de refinamiento basado en mediciones de profundidad estéreo en el origen de la paleta.
• Detección de Obstáculos: Un sistema de reacción rápida basado en el marco del sensor utiliza el agrupamiento DBSCAN en nubes de puntos LiDAR para detectar obstáculos estáticos y dinámicos. Emplea un paradigma de seguimiento por detección con filtrado de Kalman para predecir trayectorias y evaluar riesgos de colisión, activando paradas de emergencia si una colisión es inminente.

Planificación y Control

• Planificación de Tareas: Un marco de Árbol de Comportamiento (BehaviorTree.CPP) gestiona la ejecución de tareas de alto nivel, incluyendo la búsqueda de paletas, la selección de objetivos, el acercamiento, la carga, la navegación hacia los espacios y la descarga. Esto proporciona modularidad y reactividad ante condiciones dinámicas.
• Planificación de Movimiento y Control: El sistema utiliza un planificador Hybrid A* con una configuración Reeds-Shepp para la planificación de rutas, adaptado para la cinemática de un vehículo de articulación central. Un controlador de seguimiento de trayectoria basado en Lyapunov asegura un seguimiento preciso de la trayectoria.
• Acoplamiento (Docking): El acoplamiento preciso de la paleta se logra mediante servocontrol visual, integrando mediciones de cámara de profundidad y LiDAR para ajustar las horquillas dinámicamente durante el acercamiento final.

Contribuciones Clave

1. Desarrollo de un Montacargas Fuera de Carretera Autónomo: Un sistema completo capaz de realizar operaciones de carga y descarga en entornos exteriores no estructurados, demostrando un rendimiento cercano al humano a través de diversas condiciones climáticas, incluyendo una operación robusta bajo lluvia ligera a moderada.
2. Optimización Novedosa Basada en Grafos de Factores: Un marco de optimación conjunta para la localización precisa del vehículo y el mapeo de paletas, diseñado específicamente para mejorar la precisión de la manipulación de objetos en tareas de carga de paletas al tratar las paletas como características de mapa de alto nivel.
3. Medición Innovadora de Contacto de Horquillas: Un sistema que utiliza retroalimentación de presión para mejorar la robustez de la manipulación y la seguridad operativa manteniendo la rentabilidad.
4. Evaluación de Desempeño Exhaustiva: Un análisis cuantitativo detallado que compara el sistema autónomo contra un operador humano experto (con más de 20 años de experiencia) en entornos exteriores reales, evaluando la eficiencia operativa, la robustez y la frecuencia de las intervenciones humanas.

Resultados

El sistema fue validado mediante extensas pruebas en el mundo real en un sitio de construcción.

• Precisión de Localización: En escenarios sin GNSS (simulados mediante la desactivación del GNSS tras la inicialización), la fusión de la odometría con las detecciones de paletas en línea redujo el Error Cuadrático Medio (RMSE) de la posición media montacargas-paleta en un 65% (de 0.182 m a 0.064 m) en comparación con la odometría sola.
• Estimación de Pose: El sistema de estimación de pose de la paleta logró una precisión suficiente para la inserción de las horquillas, con errores que disminuían a medida que la distancia del sensor se reducía.
• Desempeño Operativo: El análisis comparativo con el operador humano demostró que el montacargas autónomo puede operar con un rendimiento cercano al nivel humano. El sistema completó con éxito los ciclos de carga y descarga en diversas condiciones climáticas.
• Intervención Humana: Aunque no se logró una fiabilidad operativa del 100% para un uso flexible, el sistema fue diseñado con un concepto de interacción humano-máquina fluido. Los trabajadores humanos pudieron intervenir por razones de seguridad u operativas, tras lo cual la operación autónoma se reanudó sin problemas.

Significado y Reivindicaciones

El artículo afirma que ADAPT ofrece un camino viable hacia una logística de construcción más segura y eficiente al abordar los desafíos específicos de los entornos exteriores no estructurados. Los autores enfatizan que su trabajo cierra la brecha entre la automatización interior madura y las exigentes condiciones de los sitios de construcción. Al demostrar que los montacargas autónomos exteriores pueden alcanzar un rendimiento comparable al de operadores humanos experimentados, el estudio sugiere que la automatización es una solución factible para la escasez de mano de obra y los riesgos de seguridad. El artículo concluye que, si bien la autonomía total en todas las condiciones aún no es una realidad, la integración de la percepción impulsada por IA con métodos de control clásicos, combinada con un concepto robusto de seguridad con humano en el bucle, permite una operación confiable en entornos complejos y dinámicos.