Las necesidades básicas de seguridad en el paleolítico han evolucionado en gran medida con el inicio de las revoluciones industrial y cognitiva. Interactuamos un poco menos con las materias primas y nos relacionamos un poco más con las máquinas. 

Los robots no tienen la misma conciencia y control del comportamiento, por lo que la colaboración segura con los humanos requiere una planificación y coordinación metódicas. Es probable que usted asuma que su amigo puede llenar su taza de café de la mañana sin derramar sobre usted, pero para un robot, esta tarea aparentemente sencilla requiere una cuidadosa observación y comprensión del comportamiento humano. 

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

"Desarrollar algoritmos que eviten el daño físico sin afectar innecesariamente a la eficiencia de la tarea es un reto fundamental", afirma Shen Li, estudiante de doctorado del MIT y autor principal de un nuevo artículo sobre la investigación. "Al permitir que los robots impacten sin dañar a los humanos, nuestro método puede encontrar trayectorias eficientes del robot para vestir al humano con una garantía de seguridad".

Modelado humano, seguridad y eficiencia 

El modelado humano adecuado -cómo se mueve, reacciona y responde el ser humano- es necesario para poder planificar con éxito el movimiento del robot en las tareas interactivas entre humanos y robots. Un robot puede lograr una interacción fluida si el modelo humano es perfecto, pero en muchos casos, no hay un plano impecable. 

Un robot enviado a una persona en su casa, por ejemplo, tendría un modelo muy estrecho y "por defecto" de cómo un humano podría interactuar con él durante una tarea de vestirse asistida. No tendría en cuenta la enorme variabilidad de las reacciones humanas, que dependen de innumerables variables como la personalidad y los hábitos. Un niño pequeño que grita reaccionaría de forma diferente a la hora de ponerse un abrigo o una camisa que una persona mayor frágil, o aquellas personas con discapacidades que podrían tener una fatiga rápida o una destreza reducida. 

Si ese robot se encarga de vestirse y planifica una trayectoria basándose únicamente en ese modelo por defecto, podría chocar torpemente con el humano, lo que provocaría una experiencia incómoda o incluso una posible lesión. Sin embargo, si es demasiado conservador a la hora de garantizar la seguridad, podría suponer de forma pesimista que todo el espacio cercano es inseguro, y entonces no se movería, algo conocido como el problema del "robot congelado". 

Para ofrecer una garantía teórica de la seguridad humana, el algoritmo del equipo razona sobre la incertidumbre del modelo humano. En lugar de tener un único modelo por defecto en el que el robot sólo entiende una posible reacción, el equipo dio a la máquina una comprensión de muchos modelos posibles, para imitar más de cerca cómo un humano puede entender a otros humanos. A medida que el robot reúna más datos, reducirá la incertidumbre y refinará esos modelos.

Para resolver el problema del robot congelado, el equipo redefinió la seguridad de los planificadores de movimiento con conciencia humana como la evitación de colisiones o el impacto seguro en caso de colisión. A menudo, especialmente en las tareas de actividades cotidianas asistidas por robots, las colisiones no pueden evitarse por completo. Esto permite que el robot haga un contacto no dañino con el humano para progresar, siempre que el impacto del robot sobre el humano sea bajo. Con esta doble definición de la seguridad, el robot podría completar con seguridad la tarea de vestirse en un periodo de tiempo más corto.

Por ejemplo, digamos que hay dos modelos posibles de cómo podría reaccionar un humano al vestirse. El "modelo uno" es que el humano se mueva hacia arriba durante el vestido, y el "modelo dos" es que el humano se mueva hacia abajo durante el vestido. Con el algoritmo del equipo, cuando el robot planifique su movimiento, en lugar de seleccionar un modelo, intentará garantizar la seguridad de ambos modelos. No importa si la persona se mueve hacia arriba o hacia abajo, la trayectoria encontrada por el robot será segura. 

Para obtener una imagen más completa de estas interacciones, los esfuerzos futuros se centrarán en investigar las sensaciones subjetivas de seguridad, además de las físicas, durante la tarea de vestirse asistida por un robot. 

"Este enfoque polifacético combina la teoría de conjuntos, las restricciones de seguridad con conciencia humana, la predicción del movimiento humano y el control de retroalimentación para una interacción segura entre humanos y robots", afirma el profesor adjunto del Instituto de Robótica de la Universidad Carnegie Mellon, Zackory Erickson. "Esta investigación podría aplicarse a una amplia variedad de escenarios de robótica asistencial, con el objetivo final de permitir que los robots proporcionen una asistencia física más segura a las personas con discapacidad". 

Li escribió el artículo junto con la postdoc del CSAIL Nadia Figueroa, el estudiante de doctorado del MIT Ankit Shah y la profesora del MIT Julie A. Shah. Presentarán el trabajo virtualmente en la conferencia 2021 Robotics: Science and Systems. El trabajo contó con el apoyo de la Oficina de Investigación Naval.

Autor

MIT

Promover la investigación, las innovaciones, la enseñanza y los eventos y las personas de interés periodístico del MIT a la comunidad del campus, los medios de comunicación y el público en general, Comunicar anuncios del Instituto, Publicar noticias de la comunidad para profesores, estudiantes, personal y ex alumnos del MIT. Proporcionar servicios de medios a los miembros de la comunidad, incluido el asesoramiento sobre cómo trabajar con periodistas, Responder a consultas de los medios y solicitudes de entrevistas...