Robótica
Agarrar objetos con formas muy diversas y desprovistos de asas, como los que manejamos en nuestra vida cotidiana, no suele entrañar dificultades para nosotros pero en cambio resulta todo un reto para los robots. Objetos tales como zapatos, botes de espray, cajas abiertas e incluso patitos de goma, son fáciles de coger y llevar para nosotros los humanos, pero los robots tienen problemas al intentar determinar por dónde deben agarrarlos.
En un paso notable hacia la superación de este problema, unos robotistas de la Universidad de California en Berkeley, Estados Unidos, han construido un robot que puede coger y mover objetos cotidianos con los que no esté familiarizado con una tasa de éxito del 99 por ciento.
El robot construido por el equipo de Ken Goldberg, Jeff Mahler y sus colegas del Laboratorio para la Ciencia de la Automatización y la Ingeniería (AUTOLAB), es el llamado DexNet 2.0. Su alto grado de éxito a la hora de agarrar cosas implica que esta tecnología podría ser pronto aplicada en la industria, con un buen potencial para revolucionar la fabricación así como la cadena de producción y distribución.
Experimentos robóticos
DexNet 2.0 obtuvo su destreza de alta precisión a través de un proceso llamado aprendizaje profundo. Los investigadores prepararon una base de datos enorme de formas tridimensionales (6,7 millones de puntos de datos en total) que utiliza una red neural para aprender las mejores maneras de agarrar y mover objetos con formas irregulares. La red neural fue después conectada a un sensor tridimensional y a un brazo robótico.
Cuando un objeto es colocado frente al DexNet 2.0, este estudia la forma y selecciona el tipo de agarre que conseguirá recogerlo y moverlo sin problemas el 99 por ciento de las ocasiones. DexNet 2.0 es también tres veces más rápido que la versión anterior.