Crean un robot que podría ayudar a personas con movilidad limitada a vestirse

Por MIT CSAIL

Las necesidades básicas de seguridad han evolucionado en gran medida con el inicio de las revoluciones industrial y cognitiva. Interactuamos menos con las materias primas y más con las máquinas. Los robots no tienen la misma conciencia y control conductuales cableados, por lo que la colaboración segura con los humanos requiere una planificación y coordinación metódicas. Es probable que asuma que su amigo pueda llenar su taza de café sin derramar líquido sobre usted, pero para un robot, esta tarea aparentemente simple requiere una observación y comprensión cuidadosas del comportamiento humano. 

Los científicos del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT (CSAIL) han creado recientemente un nuevo algoritmo para ayudar a un robot a encontrar planes de movimiento eficientes para garantizar la seguridad física de su contraparte humana. En este caso, el bot ayudó a ponerle una chaqueta a un humano, lo que podría resultar una herramienta poderosa para ampliar la asistencia para las personas con discapacidades o movilidad limitada. 

“Desarrollar algoritmos para prevenir daños físicos sin afectar innecesariamente la eficiencia de la tarea es un desafío crítico”, dice Shen Li, estudiante de doctorado del MIT, autor principal de un nuevo artículo sobre la investigación. «Al permitir que los robots tengan un impacto no dañino con los humanos, nuestro método puede encontrar trayectorias robóticas eficientes para vestir al humano con una garantía de seguridad».

Modelado humano, seguridad y eficiencia 

El modelado humano adecuado es necesario para permitir una planificación exitosa del movimiento del robot en tareas interactivas entre humanos y máquinas. Un robot puede lograr una interacción fluida si el modelo humano es «perfecto», pero en muchos casos, no existe un plano impecable. Un robot enviado a una persona en casa, por ejemplo, tendría un modelo «predeterminado» muy estrecho de cómo un humano podría interactuar con él durante una tarea de vestimenta asistida. No explicaría la gran variabilidad en las reacciones humanas, que dependen de variables como la personalidad y los hábitos. Un niño pequeño que grita reaccionaría de manera diferente al ponerse un abrigo o una camisa que una persona mayor, o aquellos con discapacidades que podrían tener una fatiga rápida. 

Si ese robot tiene la tarea de vestir y planea una trayectoria basada únicamente en un modelo predeterminado, este podría chocar torpemente con el humano, lo que resultaría en una experiencia incómoda o incluso en una lesión. Sin embargo, si es demasiado conservador para garantizar la seguridad, podría asumir pesimistamente que todo el espacio cercano es inseguro y luego no moverse.

Para proporcionar una garantía de la seguridad humana, el algoritmo del equipo razona sobre la incertidumbre en el modelo humano. En lugar de tener un único modelo predeterminado en el que el robot solo comprende una reacción potencial, el equipo le dio a la máquina una comprensión de muchos modelos posibles, para imitar más de cerca cómo un humano puede entender a otros. A medida que el robot recopile más datos, reducirá la incertidumbre y perfeccionará los modelos.

Para resolver el problema, el equipo redefinió la seguridad en los planificadores de movimiento, como prevención de colisiones o impacto seguro en caso de colisión. A menudo, especialmente en las tareas diarias asistidas por robots, las colisiones no se pueden evitar por completo. Esto permitió que el robot hiciera un contacto no dañino con el humano. Con esta doble definición de seguridad, el robot podría completar con seguridad la tarea de vestir en un período más corto.

“Este enfoque multifacético combina teoría de conjuntos, restricciones de seguridad conscientes de los humanos, predicción del movimiento humano y control de retroalimentación para una interacción segura entre humanos y robots”, dice en un comunicado el profesor Zackory Erickson, asistente del Instituto de Robótica de la Universidad Carnegie Mellon. «Esta investigación podría potencialmente aplicarse a una amplia variedad de escenarios de robótica asistida, con el objetivo final de permitir que los robots brinden asistencia física más segura a las personas con discapacidades». 

Una versión original de este artículo fue publicado en MIT News y se reproduce en este sitio con permiso de MIT News. Puede ver el artículo original aquí.

Comparte ciencia, comparte conocimiento.