Investigadores diseñan un robot con una motricidad fina casi humana

La motricidad fina es una destreza que adquieren las personas desde su más tierna infancia, a partir de coordinar los movimientos de, por ejemplo, los dedos, con la visión. Esta habilidad es la que permite tomar un objeto y manipularlo, aun sin haberlo visto antes.
Y esta es la habilidad que están empezando a adquirir los robots, a partir de un trabajo del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del Instituto de Tecnología de Massachusetts.
Si bien durante décadas los robots en entornos controlados, como las líneas de ensamblado, han podido manipular un mismo objeto una y otra vez, los avances en la visión artificial han permitido a estos autómatas hacer distinciones básicas entre los mismos, pero incluso así, no comprenden realmente las formas, por lo que es poco lo que pueden hacer después de utilizarlos.
En un nuevo documento, los investigadores afirman que han realizado un desarrollo clave en esta área de trabajo: un sistema que permite a los robots inspeccionar objetos al azar y comprenderlos visualmente lo suficiente como para lograr manipularlos sin haberlos visto antes.
El sistema, denominado “Redes de Objetos Densos” (DON), mira los objetos como colecciones de puntos que sirven como un tipo de “mapas de ruta visuales”. Este enfoque permite a los robots comprender y manipular mejor los elementos y, lo que es más importante, les permite incluso recoger un objeto específico entre un montón de otros similares, una habilidad valiosa para los tipos de máquinas que empresas como Amazon y Walmart usan en sus almacenes.
DON, por ejemplo, puede ser utilizado para que un robot tome un artículo desde un lugar específico, como una zapatilla por su lengua. Pero además, puede mirar una zapatilla que nunca había visto antes, y agarrar con éxito su lengua.
“Muchos enfoques de manipulación no pueden identificar partes específicas de un objeto en las diversas orientaciones que el objeto puede encontrar”, dice el estudiante de doctorado Lucas Manuelli, que escribió un paper sobre el sistema con el estudiante de doctorado Pete Florence y el profesor del MIT Russ Tedrake.