[ad_1]
(noticias nanowerk) Un robot mueve una caja de juguete llena de mantequilla alrededor de una mesa en el Laboratorio de Visión y Robótica Inteligente de la Universidad de Texas en Dallas. Con cada empujón, el robot aprende a reconocer el objeto a través de un nuevo sistema desarrollado por un equipo de informáticos de UT Dallas.
El nuevo sistema permite al robot empujar objetos varias veces hasta que se captura una secuencia de imágenes. Esto, a su vez, permite que el sistema segmente todos los objetos en la secuencia hasta que el robot los reconozca. Los enfoques anteriores se basaban en un único empujón o agarre por parte del robot para «aprender» el objeto.
El equipo presentó su investigación (PDF) en la conferencia Robótica: Ciencia y Sistemas del 10 al 14 de julio en Daegu, Corea del Sur. Los artículos para la conferencia se seleccionan por su novedad, calidad técnica, importancia, impacto potencial y claridad.
![Ramp, un robot manipulador móvil de Fetch Robotics](https://www.nanowerk.com/news2/robotics/id63572_1.jpg)
El día en que los robots puedan preparar la cena, limpiar la mesa de la cocina y vaciar el lavavajillas aún está muy lejos. Pero el grupo de investigación ha logrado avances significativos con su sistema robótico, que utiliza inteligencia artificial para ayudar a los robots a identificar y recordar mejor los objetos, dijo el Dr. Yu Xiang, autor principal del estudio.
«Si le pides a un robot que recoja el vaso o te traiga una botella de agua, el robot tiene que reconocer esos objetos», dijo Xiang, profesor asistente de informática en la Escuela de Ingeniería y Ciencias de la Computación Erik Jonsson.
La tecnología de los investigadores de la UTD está diseñada para ayudar a los robots a reconocer una amplia variedad de objetos que se encuentran en entornos como los hogares, y generalizar o identificar versiones similares de objetos comunes, como botellas de agua de diferentes marcas, formas o tamaños.
Dentro del laboratorio de Xiang hay un contenedor de almacenamiento lleno de paquetes de juguetes con alimentos comunes como espaguetis, salsa de tomate y zanahorias, que se utilizan para entrenar al robot de laboratorio llamado Ramp. Ramp es un robot manipulador móvil de Fetch Robotics que mide aproximadamente 4 pies de altura sobre una plataforma móvil redonda. La rampa tiene un largo brazo mecánico con siete articulaciones. Al final hay una «mano» cuadrada con dos dedos para agarrar objetos.
Xiang dijo que los robots aprenden a reconocer objetos de manera similar a como los niños aprenden a interactuar con los juguetes.
«Después de empujar el objeto, el robot aprende a reconocerlo», dijo Xiang. «Usamos estos datos para entrenar el modelo de IA para que la próxima vez que el robot vea el objeto, no tenga que empujarlo nuevamente. Cuando vea el objeto por segunda vez, simplemente lo recogerá”.
La novedad del método de los investigadores es que el robot empuja cada objeto entre 15 y 20 veces, mientras que los métodos de percepción interactivos anteriores sólo utilizan un único empujón. Xiang dijo que a través de múltiples golpes, el robot puede tomar más fotografías con su cámara RGB-D, que tiene un sensor de profundidad, para aprender más sobre cada elemento. Esto reduce el potencial de error.
La tarea de reconocer, distinguir y recordar objetos, llamada segmentación, es una de las funciones principales que necesitan los robots para realizar tareas.
«Hasta donde sabemos, este es el primer sistema que utiliza la interacción robótica a largo plazo para la segmentación de objetos», dijo Xiang.
Ninad Khargonkar, un estudiante de posgrado en informática, dijo que trabajar en el proyecto le ayudó a mejorar el algoritmo que ayuda al robot a tomar decisiones.
“Una cosa es desarrollar un algoritmo y probarlo en un conjunto de datos abstractos; Otra cosa es probarlo en tareas reales», dijo Khargonkar. «Ver este logro en la práctica fue una importante experiencia de aprendizaje».
El siguiente paso de los investigadores es mejorar otras funciones, incluida la programación y el control, que podrían permitir tareas como clasificar materiales reciclados.
[ad_2]