Learning Slope-Adaptive Whole-Body Locomotion for Humanoid Robots in Roofing Construction
Este artículo presenta un marco de trabajo basado en la semántica de la tarea y el contexto de la escena que combina demostraciones humanas reajustadas con optimización de trayectorias y aprendizaje por refuerzo para permitir que un robot humanoide Unitree G1 realice de manera robusta tareas complejas de locomoción de cuerpo completo adaptables a pendientes y de construcción, tales como la techumbre, mientras mantiene restricciones precisas de soporte y despeje de trabajo.
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Imagina un robot que puede caminar, escalar y trabajar igual que un humano. Durante años, los científicos han enseñado a las máquinas a moverse mostrándoles vídeos de personas caminando o corriendo. La computadora copia los movimientos, indicando a las piernas y brazos del robot que imiten el cuerpo humano. Esto funciona bien en suelos llanos, pero se desmorona cuando el suelo se inclina. En un tejado empinado, una simple copia de un movimiento humano puede ser peligosa. Si el robot intenta copiar a un humano agachándose para clavar un clavo, la computadora podría colocar los pies del robot en el aire o empujar sus manos directamente a través de las tejas del tejado. El robot necesita entender no solo cómo se mueve el cuerpo, sino dónde se encuentra ese cuerpo en relación con la superficie específica sobre la que está parado. Este es el desafío central de dotar a los robots de la capacidad de trabajar en el mundo desordenado e irregular de la construcción.
Un equipo de investigadores de la Universidad de Florida abordó este problema enseñando a un robot humanoide a actuar como un techador. Se centraron en un tipo específico de robot llamado Unitree G1, que se mantiene sobre dos piernas y tiene brazos como una persona. El objetivo era ir más allá de la simple caminata y enseñar a la máquina a atravesar un tejado inclinado, agacharse para trabajar y usar herramientas como una clavadora o un martillo sin caerse o chocar contra la superficie. Los investigadores se dieron cuenta de que simplemente copiar los movimientos de un humano no era suficiente. Un humano sabe instintivamente cómo ajustar su equilibrio en una pendiente, pero un robot que sigue un guion de vídeo podría no darse cuenta de que su pie está suspendido sobre un hueco o que su mano está a punto de atravesar el tejado. Para resolver esto, el equipo creó un nuevo método que combina el movimiento humano con un mapa digital preciso del tejado.
El proceso comenzó grabando a un trabajador humano realizando tareas de techado en una rampa de laboratorio. La persona llevaba un casco de realidad virtual y rastreadores en sus manos y tobillos, lo que permitió a los investigadores capturar el tiempo y el flujo de los movimientos. Estos datos se transfirieron luego al robot, creando un primer borrador del movimiento. Sin embargo, este borrador era defectuoso. Debido a que el cuerpo del robot es diferente al de un humano, la copia inicial colocaba los pies del robot en los lugares incorrectos y sus manos a las alturas incorrectas con respecto al tejado. Para solucionar esto, los investigadores utilizaron un modelo 3D detallado de la superficie del tejado. Ajustaron la trayectoria de referencia del robot para que sus pies estuvieran firmemente plantados en la pendiente y sus manos se mantuvieran a una distancia segura y específica de las tejas. Por ejemplo, aseguraron que la mano del robot se mantuviera exactamente a 25 centímetros del tejado cuando sostenía una clavadora, y a 12 centímetros cuando usaba un martillo. Este paso aseguró que el plan del robot fuera físicamente posible y seguro antes de que siquiera intentara moverse.
Incluso con un plan perfecto, un robot aún puede cometer errores cuando realmente se mueve. El mundo real está lleno de pequeños resbalones y retrasos que una simulación por computadora no siempre predice. Para manejar esto, los investigadores enseñaron al robot a prestar atención a estas reglas de seguridad mientras se movía. Utilizaron un método de aprendizaje que recompensaba al robot por mantener sus manos a la distancia correcta del tejado y lo penalizaba si cualquier parte de su cuerpo tocaba la superficie cuando no debía. Este entrenamiento ocurrió primero en una simulación por computadora, donde el robot practicó miles de veces en diferentes ángulos de tejado, que variaban desde una suave pendiente de 9 grados hasta una inclinación pronunciada de 25 grados. Los resultados mostraron que el robot aprendió a adaptar su postura a la pendiente, manteniendo su equilibrio mientras se agachaba para trabajar.
Luego, el equipo probó estas habilidades en el robot real en su laboratorio. Prepararon una plataforma de tejado real y dejaron que el robot intentara las tareas que había aprendido en la simulación. El robot caminó con éxito por la pendiente, se agachó para sostener una clavadora y balanceó un martillo. En cada prueba, el robot mantuvo sus pies sobre el tejado y sus manos a la distancia adecuada, evitando cualquier colisión con la superficie. Las mediciones mostraron que los movimientos del robot fueron precisos, con su cuerpo manteniéndose dentro de unos pocos centímetros de la trayectoria prevista. Los investigadores también compararon su método con otros enfoques. Encontraron que los robots entrenados solo para seguir una señal de recompensa sin una guía de movimiento humano terminaban en posiciones extrañas y encorvadas que no parecían un trabajo de techado real. Del mismo modo, los robots controlados directamente por un operador humano en tiempo real perdieron el equilibrio y se cayeron al intentar subir a la pendiente. El nuevo método, que combinó el movimiento humano, un mapa digital del tejado y un aprendizaje consciente de la seguridad, fue el único que funcionó de manera fiable.
Este estudio sugiere que, para que los robots trabajen en la construcción, necesitan algo más que la capacidad de caminar. Necesitan entender la geometría de la superficie sobre la que están parados y mantener una relación segura con ella mientras trabajan. Los investigadores descubrieron que simplemente copiar los movimientos humanos no es suficiente; el robot debe estar fundamentado en la realidad física del lugar de trabajo. Al enseñar al robot a respetar la forma del tejado y mantener sus herramientas a la distancia correcta, el equipo creó una base para máquinas que algún día podrían ayudar en tareas peligrosas como la techado. Aunque las pruebas actuales se realizaron en un laboratorio controlado con un arnés de seguridad, los resultados muestran que las habilidades básicas para escalar y trabajar en una pendiente están al alcance. El siguiente paso será ver si estos robots pueden manejar las condiciones ásperas, irregulares e impredecibles de un sitio de construcción real.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.