Los robots están cada vez más presente en la industria para desempeñar diferentes papeles. Sin embargo, el desempeño al manipular objetos aún sigue siendo un desafío.
Ya vimos cómo el equipo del MIT desarrolló un algoritmo que reduce el tiempo que los robots procesan la información para manipular objetos. Pero no es el único proyecto enfocado en mejorar la capacidad de los robots al trabajar con objetos.
Un equipo de Google e investigadores de Columbia y Stanford desarrollaron un algoritmo, Form2Fit, que aplica una interesante dinámica de aprendizaje para lograr mayor eficacia en el ensamblaje de objetos reduciendo el tiempo de entrenamiento.
Para probar este algoritmo, le encomendamos a un robot que realizara el ensamblaje del kit, donde necesitaba ensamblar con precisión los objetos en un blister o pantalla corrugada para formar una sola unidad
Tal como se ve en el vídeo, el brazo robótico tiene que buscar objetos que correspondan a las figuras geométricas y ensamblarlos. Una dinámica que parece simple pero se utilizan redes neuronales para facilitar el reconocimiento visual y crear una unidad a partir de dos objetos.
Form2Fit aprende de sus primeras pruebas al lograr correspondencia en las figuras geométricas a partir del desmontaje y luego utiliza esa información para ensamblar otros kits que no forman parte del entrenamiento. Y hasta puede crear sus propias combinaciones de movimientos para lograr estos resultados.
Así que en lugar de aplicar un entrenamiento manual, Form2Fit automatiza el aprendizaje con una tasa de éxito de 94%. Un sistema prometedor que puede cambiar el papel que desempeñan los robots en trabajos que van desde ensamblar kit hasta manipular objetos en situaciones de emergencia.