En el último año, los cierres y otras medidas de seguridad han hecho que las compras en línea sean más populares que nunca, pero el aumento vertiginoso de la demanda está dejando a muchos minoristas luchando por cumplir con los pedidos al tiempo que garantizan la seguridad de sus empleados de almacén.

Investigadores de la Universidad de California, en Berkeley, han creado un nuevo software de inteligencia artificial que dota a los robots de la velocidad y la destreza necesarias para agarrar y mover objetos sin problemas, lo que hace posible que pronto puedan ayudar a los humanos en los entornos de los almacenes. La tecnología se describe en un artículo publicado hoy (miércoles 18 de noviembre) en la revista Science Robotics.

La automatización de las tareas de almacén puede ser un reto porque muchas acciones que resultan naturales para los humanos -como decidir dónde y cómo coger distintos tipos de objetos y coordinar los movimientos de hombro, brazo y muñeca necesarios para trasladar cada objeto de un lugar a otro- son en realidad bastante difíciles para los robots. Además, los movimientos robóticos tienden a ser bruscos, lo que puede aumentar el riesgo de dañar tanto los productos como los robots.

“Los almacenes siguen siendo operados principalmente por humanos, porque sigue siendo muy difícil para los robots agarrar de forma fiable muchos objetos diferentes”, dijo Ken Goldberg, titular de la cátedra de ingeniería William S. Floyd Jr. de la UC Berkeley y autor principal del estudio. “En una cadena de montaje de automóviles, el mismo movimiento se repite una y otra vez, por lo que se puede automatizar. Pero en un almacén, cada pedido es diferente”.

En un trabajo anterior, Goldberg y el investigador postdoctoral de la UC Berkeley Jeffrey Ichnowski crearon un planificador de movimiento optimizado por agarre que podía calcular tanto la forma en que un robot debía recoger un objeto como la forma en que debía moverse para trasladarlo de un lugar a otro.

Sin embargo, los movimientos generados por este planificador eran bruscos. Aunque los parámetros del software podían ajustarse para generar movimientos más suaves, estos cálculos tardaban una media de medio minuto en realizarse.

En el nuevo estudio, Goldberg e Ichnowski, en colaboración con Yahav Avigal, estudiante de posgrado de la Universidad de Berkeley, y Vishal Satish, estudiante universitario, aceleraron drásticamente el tiempo de cálculo del planificador de movimientos integrando una red neuronal de aprendizaje profundo.

Las redes neuronales permiten a un robot aprender a partir de ejemplos. Posteriormente, el robot puede generalizar a menudo a objetos y movimientos similares.

Sin embargo, estas aproximaciones no siempre son lo suficientemente precisas. Goldberg e Ichnowski descubrieron que la aproximación generada por la red neuronal podía optimizarse con el planificador de movimiento.

“La red neuronal tarda sólo unos milisegundos en calcular un movimiento aproximado. Es muy rápida, pero inexacta”, explica Ichnowski. “Sin embargo, si luego introducimos esa aproximación en el planificador de movimiento, éste sólo necesita unas pocas iteraciones para calcular el movimiento final”.

Al combinar la red neuronal con el planificador de movimiento, el equipo redujo el tiempo medio de cálculo de 29 segundos a 80 milisegundos, es decir, menos de una décima de segundo.

Goldberg predice que, con este y otros avances en tecnología robótica, los robots podrían ayudar en entornos de almacén en los próximos años.

“La compra de alimentos, productos farmacéuticos, ropa y muchas otras cosas ha cambiado a raíz de COVID-19, y probablemente la gente seguirá comprando de esta manera incluso después de que la pandemia haya terminado”, afirma Goldberg. “Es una nueva y emocionante oportunidad para que los robots apoyen a los trabajadores humanos”.

Fuente: Science Daily