La tecnología patentada de seguridad de Paru genera cortinas de luz visibles alrededor del área donde funciona el robot. Crédito: Fraunhofer IFF
Investigadores del Instituto Fraunhofer para la Operación y Automatización de Factory IFF han desarrollado capacidades de robots cognitivos que pueden manejar tareas complejas en la fabricación que anteriormente eran imposibles de automatizar. Además, también están revelando la seguridad paru y asistida por computadora (CAS), las primeras tecnologías de seguridad y las herramientas de planificación para una colaboración cercana a la máquina humana que también puede garantizar la seguridad en los movimientos de robot generados por IA.
Los investigadores demostrarán lo que puede hacer la robótica cognitiva y cómo funciona el monitoreo dinámico del espacio de trabajo en Automatica 2025 en Munich del 24 al 27 de junio de 2025 (Hall A4, Booth 319).
Los investigadores de Fraunhofer IFF están aprovechando las nuevas soluciones basadas en IA para dar a los robots las habilidades cognitivas que necesitan para operar de forma autónoma en entornos no estructurados y cambiantes y automatizar procesos complejos, como ensamblaje y desmontaje en entornos industriales o manejo de objetos en entornos de salud.
Las tecnologías de seguridad basadas en la proyección y basadas en la cámara permiten que los robots con control de movimiento basado en IA respondan de manera confiable a los cambios, se adapten a nuevas tareas y operen una aplicación de forma segura. Esto abre una amplia gama de nuevos campos de aplicación que previamente se cerraron a la robótica convencional, que se limita a tareas específicas y definidas por estrechamente.
“Los robots cognitivos pueden aprender de la experiencia, tomar decisiones independientes y adaptarse a varios escenarios. Para tareas de pick-y lugar que involucran componentes y colocándolos a donde necesitan ir, un robot cognitivo ya no necesita aprender cómo se ven las piezas de trabajo individuales antes de que puedan atraparlas.
“En cambio, utiliza una cámara para registrar el tamaño, la forma, la textura y la condición del objeto y ajustar su comportamiento en consecuencia. En el proceso, puede manejar diferentes condiciones ambientales e incluso diferentes materiales de empaque”, dice Magnus Hanses, cabeza del grupo de robótica cognitiva en Fraunhofer IFF.
Uso de simulación para entrenar modelos de IA
Los expertos utilizan entornos simulados para entrenar los modelos de IA utilizados. Por ejemplo, simulan procesos de ensamblaje y desmontaje, como eliminar una placa base de una computadora. Cualquier número de robots virtuales puede funcionar en el espacio digital al mismo tiempo y a un ritmo mucho más rápido sin ninguna preocupación de seguridad.
Hay muchas ventajas en el aprendizaje en la simulación digital, pero también tiene una vulnerabilidad. El entorno de aprendizaje virtual nunca es 100% el mismo que el mundo real. El desafío para los investigadores es cerrar esta brecha de realidad, también conocida como Sim2Real Gap, tanto como sea posible.
Hay dos enfoques posibles aquí. La simulación puede diseñarse para ser lo más realista posible, o puede abarcar la gama más amplia posible de versiones del mundo real, por lo que la red neuronal utilizada para la IA aprende a generalizar y encontrar entornos desconocidos.
Una forma en que los investigadores están logrando esto es a través de la aleatorización del dominio. Este enfoque les permite crear una gran cantidad de entornos simulados con propiedades aleatorias y entrenar un modelo que funcione en todos ellos.
“Hay muchos parámetros diferentes, como la iluminación, que afectan la simulación. Podemos cambiar este conjunto de parámetros durante el entrenamiento. El robot no aprende a resolver la simulación exacta. En cambio, se trata de comprender el concepto abstracto detrás de él. La realidad se convierte en otra versión de una simulación para la IA, si lo desea”, explica Hanses.
Paru: monitoreo de velocidad y separación de la velocidad y la separación
Pero el campo de la robótica cognitiva todavía enfrenta otro desafío: en este momento, no hay forma de garantizar la seguridad de los movimientos de robot generados por IA en línea con los estándares de seguridad. Para que los robots basados en IA puedan interactuar con los humanos en un entorno seguro, los investigadores de Fraunhofer IFF han desarrollado PARU, una nueva tecnología patentada para monitorear los espacios de trabajo. Paru utiliza la tecnología avanzada de proyectores y cámaras para proyectar advertencia visible y campos de protección directamente alrededor de la máquina y reconocer cuándo las personas ingresan a las zonas de seguridad.
“Después de calibrar el proyector y las dos cámaras, las imágenes de expectativas virtuales se generan como el primer paso. Luego, el proyector proyecta una cortina de luz visible alrededor del robot y el componente que se recogerá de acuerdo con la fórmula de distancia establecida en el estándar relevante, ISO/TS 15066. Esta cortina de la luz actúa como una línea de seguridad para los empleados, el espacio protectivo que debe mantenerse claro,”, explica, “explica la luz de la luz, lo que explica,”, explica, “, explica,”, explica el espacio de los empleados, el espacio protector que debe mantenerse claro, “explica,”, explica la luz de la luz, “explica,”, explica, “, explica,”, explica el espacio de los empleados, que debe mantenerse claros, “,” explica, “,” explica, “,”, explica, “, explica el espacio de seguridad,”, lo que debe mantenerse en el espacio de los humanos. El departamento de sistemas robóticos en Fraunhofer IFF.
“Si alguna parte del cuerpo de un trabajador entra en contacto con la línea, la línea se interrumpe. Las cámaras reconocen que existe una discrepancia entre lo que espera ver y la imagen del mundo real. Dependiendo de la situación, el robot se detiene de inmediato o ralentiza su velocidad”.
Visible Safety Lines Foster Trust
Las áreas de seguridad se ajustan dinámicamente a los movimientos de la máquina, ya que Paru siempre considera el estado actual del robot, lo que lo hace ideal para su uso en robótica cognitiva. “Nuestra tecnología es única. Ningún otro sistema permite una distancia menor entre humanos y robots mientras observa las especificaciones establecidas por los estándares aplicables y también necesita tan poco espacio. Esto es posible porque las cámaras y los sensores reconocen no solo los torsos, los brazos y las cabezas, sino incluso los dedos”, dice Elkmann.
Otra ventaja es que la proyección también puede mostrar al trabajador dónde se moverá el robot como su próximo paso, mejorando aún más la confianza en trabajar con máquinas. Las líneas de seguridad visibles también codificadas funcionan independientemente de los ángulos y condiciones de iluminación ambiental. Si las cámaras o proyectores dejan de funcionar, todo el sistema se apaga automáticamente.
CAS: Soluciones de software inteligentes para sistemas de robots adaptativos
También en Automatica 2025, Fraunhofer IFF presentará la seguridad asistida por computadora (CAS), un paquete de soluciones de seguridad digital que hacen que las aplicaciones de colaboración humana-robot (HRC) sean eficientes, rentables y seguras.
Los módulos de software listos para productos están disponibles para un cálculo eficiente de distancias y velocidades seguras. Los asistentes digitales apoyan los procesos de evaluación de riesgos y aprobación de seguridad y facilitan que los nuevos participantes en particular cumplan con precisión y eficientemente con la gama completa de obligaciones bajo la Directiva de maquinaria de la UE.
A diferencia de la función de medición de colisión, la herramienta de aprobación de seguridad funciona de manera completamente digital. Se requieren parámetros como la fuerza de colisión y el umbral de dolor para determinar la velocidad máxima permitida del robot.
Los módulos se pueden incorporar opcionalmente a cualquier tipo de controles de robot o entornos de simulación existentes para fines de planificación para alinear con precisión las especificaciones económicas con los requisitos de seguridad aplicables. Esto evita los errores de planificación y los ahorros en los costos de ingeniería.
CAS se diseñó en función de los datos recopilados de los años en pruebas únicas con sujetos, que han arrojado nuevos límites de umbral y otros indicadores biomecánicos clave para HRC seguro. Se usaron cargas de colisión y sujeción establecidas en un péndulo especialmente diseñado para identificar el umbral de dolor a través de pruebas de más de 100 sujetos humanos. El Comité de Ética y el Departamento de Cirugía de Trauma en la Universidad Otto Von Guericke, Magdeburg, apoyaron a Fraunhofer IFF durante los estudios.
Los investigadores de Fraunhofer IFF mostrarán cómo sus robots controlados por IA, la nueva tecnología de seguridad de Paru y los módulos de software CAS funcionan en la práctica (incluido el trabajo juntos) en el stand conjunto de Fraunhofer en el Hall A4 en la feria de Automatica del 24 al 27 de junio de 2025.
Proporcionado por Fraunhofer-Gesellschaft
Cita: Robótica cognitiva y nuevas tecnologías de seguridad para la colaboración humana-robot (2025, 2 de junio) Recuperado el 2 de junio de 2025 de https://techxplore.com/news/2025-06-cognitive-robotics-safety-technologies-human.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.
