Control de deslizamiento predictivo bioinspirado para la manipulación de robots. Crédito: Nazari et al
Para abordar de manera efectiva una variedad de tareas del mundo real, los robots deberían poder comprender de manera confiable objetos de diferentes formas, texturas y tamaños, sin dejarlos caer en lugares no deseados. Enfoques convencionales para mejorar la capacidad de los robots para comprender que los objetos funcionan apretando el agarre de una mano robótica para evitar que los objetos se deslicen.
Investigadores de la Universidad de Lincoln, el Laboratorio de Investigación de Cambridge de Toshiba Europa, la Universidad de Surrey, la Universidad Estatal de Arizona y Kaist recientemente introdujeron estrategias computacionales alternativas para prevenir el deslizamiento de objetos comprendidos por una mano robótica, que funciona modulando las trayectorías que una mano robótica sigue mientras realiza los movimientos manipulativos. Su enfoque, que consiste en un controlador robótico y una nueva estrategia de modulación de trayectoria predictiva bioinspirada, se presentó en un documento publicado In Nature Machine Intelligence.
“La inspiración para este documento provino de una experiencia muy humana”, dijo Amir Ghalamzan, autor principal del periódico, a Tech Xplore.
“Cuando llevas un objeto frágil o resbaladizo y sientes que comienza a resbalarse, no solo aprietas más. escenarios “.
El objetivo principal del reciente estudio de Ghalamzan y sus colegas era desarrollar un controlador que pueda predecir cuándo un objeto podría deslizarse de la comprensión de un robot y ajustar sus movimientos en consecuencia para evitar que se deslice, de manera similar a cómo los humanos podrían ajustar sus movimientos al manejar los objetos. El controlador que desarrollaron se basa en una estrategia de modulación de trayectoria bioinspirada que complementa las técnicas convencionales para modular la fuerza del agarre de un robot, lo que permite estrategias de manipulación más hábiles.
Figura que ilustra la arquitectura de control predictivo en humanos basada en los modelos internos delanteros que se aprenden en el cerebelo del cerebro humano, como una motivación de diseño para nuestro controlador proactivo propuesto. El modelo de avance predice estados sensoriales futuros basados en el estado actual y una copia de los posibles comandos del motor (copia de eferencia) para habilitar movimientos predictivos sin depender de la retroalimentación sensorial retrasada. La representación interna en el cerebelo se aprende a través de conexiones neuronales con las cortezas sensoriales y motoras en la corteza cerebral. Crédito: Nazari et al.
“Nuestro enfoque imita cómo los humanos usan modelos internos para interactuar con el mundo”, explicó Ghalamzan. “Así como el cerebro humano predice continuamente los resultados de nuestras acciones, como si un vidrio podría deslizarse si nos movemos demasiado rápido, construimos un modelo interno basado en datos o un” modelo mundial “, que permite que un robot predice las sensaciones táctiles futuras que experimentará. Estas predicciones se usan para detectar instancias de deslizamiento y ajustar los movimientos de tal manera que no ocurra sin instancia de deslizamiento”.
El controlador del equipo permite que los robots disminuyan la velocidad, cambien de dirección y se adapten a la posición y la orientación de sus manos en tiempo real, en lugar de simplemente apretar más los objetos para evitar que se deslicen. Esta estrategia alternativa para asegurar objetos alterando los movimientos de un robot podría ayudar a reducir el riesgo de que los objetos frágiles se rompan cuando un robot los maneja. El enfoque de modulación de trayectoria también funciona en los casos en que la fuerza del agarre de un robot no puede ser alterado, lo que permite interacciones más fluidas y más inteligentes con una amplia gama de objetos.
“Nuestro estudio presenta dos avances clave”, dijo Ghalamzan. “El primero es un controlador de deslizamiento basado en el movimiento que es el primero de su tipo. Esta estrategia complementa el control basado en la fuerza de agarre y es especialmente valioso al aumentar la fuerza de agarre no es factible, como con objetos frágiles, superficies húmedas o resbaladizas, o hardware que no es compatible con el control dinámico de agarre.
“El segundo es un controlador predictivo impulsado por un modelo táctil de avance táctil (es decir, modelo mundial), que permite a los robots pronosticar el deslizamiento en función de sus acciones planificadas”.
El controlador recién desarrollado se utilizó para planificar los movimientos de una pinza robótica y probado en entornos dinámicos y no estructurados. En particular, se descubrió que mejora significativamente la estabilidad de la comprensión de un robot en algunos casos, superando a los controladores convencionales que funcionan adaptando únicamente la fuerza del agarre de un robot.
“Incrustar dicho modelo en un bucle de control predictivo tradicionalmente ha sido demasiado exigente computacionalmente”, dijo Ghalamzan. “Nuestro estudio muestra que no solo es factible, sino también efectivo”.
El trabajo reciente de este equipo de investigadores podría contribuir al avance de los sistemas robóticos, permitiéndoles manejar de manera segura diversas interacciones físicas y potencialmente sociales que utilizan un modelo mundial. Esto podría permitir que los robots, por ejemplo, manejaran diferentes objetos en una amplia gama de entornos del mundo real, incluidos entornos domésticos, sitios de fabricación e instalaciones de atención médica.
“Estamos trabajando activamente para hacer que nuestro controlador predictivo sea más rápido y eficiente, por lo que puede implementarse en entornos en tiempo real aún más exigentes”, agregó Ghalamzan. “Esto incluye explorar diferentes técnicas arquitectónicas y algorítmicas para reducir la sobrecarga computacional”.
Como parte de sus próximos estudios, los investigadores también están ampliando su sistema para apoyar tareas de manipulación de objetos más avanzadas y complejas, incluido el manejo de objetos o elementos deformables que deben manipularse con dos manos. Finalmente, también planean combinar su enfoque con los algoritmos de visión por computadora, lo que permitiría su enfoque para planificar trayectorias para los robots basados en información táctil y visual.
“Otra dirección importante es mejorar la verificabilidad y la explicación de estos modelos aprendidos”, agregó Ghalamzan. “A medida que avanzamos hacia sistemas más inteligentes y autónomos, es fundamental que los humanos puedan entender y confiar en cómo los robots toman decisiones. Nuestra visión a largo plazo es desarrollar controladores predictivos que no solo sean efectivos sino también transparentes y seguros para el despliegue en el mundo real”.
Escrito para usted por nuestro autor Ingrid Fadellieditado por Gaby Clarky verificado y revisado por Robert Egan—Este artículo es el resultado de un trabajo humano cuidadoso. Confiamos en lectores como usted para mantener vivo el periodismo científico independiente. Si este informe le importa, considere un donación (especialmente mensual). Obtendrá una cuenta sin anuncios como agradecimiento.
Más información: Kiyanoush Nazari et al, modulación de trayectoria bioinspirada para un control efectivo de deslizamiento en la manipulación de robots, inteligencia de la máquina de la naturaleza (2025). Doi: 10.1038/s42256-025-01062-2.
© 2025 Science X Network
Cita: los robots aprenden ajustes de movimiento humanos para evitar el deslizamiento de objetos (2025, 13 de agosto) Recuperado el 13 de agosto de 2025 de https://techxplore.com/news/2025-08-Robots-human-Movement-Adjustments.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
