\n<\/aside>\n<\/p>\n
Desde extremidades bi\u00f3nicas hasta androides inteligentes, las entidades rob\u00f3ticas de la ciencia ficci\u00f3n desdibujan los l\u00edmites entre la biolog\u00eda y la m\u00e1quina. Los robots de la vida real est\u00e1n muy por detr\u00e1s en comparaci\u00f3n. Si bien no vamos a alcanzar el nivel de Star Trek <\/i>Data en el corto plazo, ahora hay una mano rob\u00f3tica con un sentido del tacto que es casi humano.<\/p>\n
Una cosa que los robots no han podido lograr es un nivel de sensibilidad y destreza lo suficientemente alto como para sentir y manejar las cosas como lo hacen los humanos. Introduzca una mano rob\u00f3tica desarrollada por un equipo de investigadores de la Universidad de Columbia. (Hace cinco a\u00f1os, cubrimos su trabajo cuando este logro todav\u00eda era un concepto).<\/p>\n
Esta mano no solo levanta cosas y las deja cuando se le ordena. Es tan sensible que en realidad puede \u00absentir\u00bb lo que est\u00e1 tocando, y es lo suficientemente diestro como para cambiar f\u00e1cilmente la posici\u00f3n de sus dedos para que pueda sostener mejor los objetos, una maniobra conocida como \u00abmarcha con los dedos\u00bb. Es tan sensible que incluso puede hacer todo esto en la oscuridad, descubriendo todo al tacto.<\/p>\n
Navegando por el espacio de estados<\/h2>\n \u201c[This is] un m\u00e9todo novedoso para lograr una manipulaci\u00f3n diestra de objetos complejos, al tiempo que asegura el objeto sin el uso de superficies de soporte pasivas\u201d, dijeron los investigadores en un estudio publicado recientemente en el servidor de preimpresi\u00f3n arXiv.<\/p>\n
Para crear esta mano, el equipo de Columbia necesitaba encontrar la forma m\u00e1s efectiva de navegar a trav\u00e9s de lo que se llama una estructura espacial estatal. Cada posible configuraci\u00f3n conocida de un sistema se llama su espacio de estado. La estructura del espacio de estado describe c\u00f3mo se supone que un robot debe moverse de un paso al siguiente dentro de ese espacio de estado. Existen diferentes m\u00e9todos de aprendizaje autom\u00e1tico que pueden entrenarlo para hacer esto.<\/p>\n
Una forma com\u00fan de entrenar a un robot se conoce como aprendizaje por refuerzo (RL). Esto se puede considerar como el enfoque de \u00abbuen bot\u00bb versus \u00abmalo bot\u00bb. El software de control del robot es \u00abrecompensado\u00bb por lograr lo que se supone que debe hacer y \u00abcastigado\u00bb por cualquier cosa que haga incorrectamente. Aprende a trav\u00e9s de prueba y error hasta que puede reconocer c\u00f3mo se supone que debe comportarse. Desafortunadamente, RL tiene sus inconvenientes, ya que la m\u00e1s m\u00ednima desviaci\u00f3n del estado esperado puede hacer que el robot deje caer un objeto.<\/p>\n\n Anuncio <\/span> <\/p>\n<\/aside>\nEntonces, el equipo tambi\u00e9n us\u00f3 algoritmos de planificaci\u00f3n basada en muestreo (SBP) para darle al robot un mejor control (juego de palabras) en su estructura de espacio de estado. SPB no necesita repasar todos los conjuntos de movimientos posibles para atravesar un espacio de estado; en cambio, muestrea aleatoriamente diferentes trayectorias. Cada maniobra exitosa que un robot intenta con SBP se almacena como una nueva rama agregada a un \u00e1rbol digital, al que la IA puede recurrir m\u00e1s tarde cuando busca una forma de resolver un problema. SBP todav\u00eda tiene sus problemas: solo puede confiar en lo que ha hecho antes, y los obst\u00e1culos inesperados que se encuentran en un espacio estatal pueden ser un problema.<\/p>\n
\u201c[We used] la fuerza de los m\u00e9todos RL y SBP para entrenar las pol\u00edticas de control motor para la manipulaci\u00f3n manual con la marcha de los dedos\u201d, dijeron los investigadores. \u201cNuestro objetivo es manipular objetos m\u00e1s dif\u00edciles, incluidas las formas c\u00f3ncavas, mientras los aseguramos en todo momento sin depender de las superficies de apoyo\u201d.<\/p>\n
Llegando a sus sentidos<\/h2>\n Para una IA, crear un conjunto de instrucciones es la parte f\u00e1cil. Puede decirle al robot qu\u00e9 hacer, pero la mayor\u00eda de los robots no pueden proporcionar mucha informaci\u00f3n. La nueva mano rob\u00f3tica va m\u00e1s all\u00e1 con dedos que pueden sentir exactamente lo que tocan y detectar el movimiento y la ubicaci\u00f3n de un objeto. Para hacer esto, necesitaba otro algoritmo, el \u00e1rbol aleatorio de exploraci\u00f3n r\u00e1pida (RRT). Este algoritmo est\u00e1 detr\u00e1s de la capacidad de la mano para manejar objetos m\u00e1s dif\u00edciles. RRT encuentra la rama del \u00e1rbol que es el camino m\u00e1s corto a trav\u00e9s del espacio de estado al estado que representa una tarea completada.<\/p>\n
Esta combinaci\u00f3n de algoritmos termin\u00f3 haciendo que esta mano rob\u00f3tica fuera diferente a cualquier otra. Los investigadores le ense\u00f1aron a mantener al menos tres dedos en contacto con el objeto y equilibrar la fuerza utilizada por cada dedo en caso de que un objeto comenzara a resbalar o si su forma requiriera diferentes cantidades de presi\u00f3n para mantener el agarre. El control de circuito cerrado tambi\u00e9n se us\u00f3 para entrenar a\u00fan m\u00e1s la mano d\u00e1ndole retroalimentaci\u00f3n en varios puntos a lo largo del proceso.<\/p>\n
Esta mano rob\u00f3tica es tan diestra en la oscuridad como lo es cuando puede \u00abver\u00bb su entorno, al igual que una mano humana cuando trata de palpar algo. Esta es la detecci\u00f3n propioceptiva, de la que muchos organismos son capaces. Debido a que la mano puede tener un sentido del tacto tan asombroso, podr\u00eda usarse potencialmente como una forma de asistencia m\u00e1s avanzada para las personas que necesitan ayuda con ciertas tareas.<\/p>\n
Todav\u00eda estamos lejos de los androides como Data, que pueden detectar cualquier cosa. Pero al menos ahora tenemos una mano rob\u00f3tica que es lo suficientemente diestra y sensible como para mantenerse literalmente en contacto.<\/p>\n
Elizabeth Rayne es una criatura que escribe. Su trabajo ha aparecido en SYFY WIRE, Space.com, Live Science, Grunge, Den of Geek y Forbidden Futures. Cuando no est\u00e1 escribiendo, cambia de forma, dibuja o se disfraza como un personaje del que nadie ha o\u00eddo hablar. S\u00edguela en Twitter @quothravenrayne.<\/i><\/p>\n<\/p><\/div>\n
Source link-49<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"Desde extremidades bi\u00f3nicas hasta androides inteligentes, las entidades rob\u00f3ticas de la ciencia ficci\u00f3n desdibujan los l\u00edmites entre la biolog\u00eda y la m\u00e1quina. Los robots de la vida real est\u00e1n muy…<\/p>\n","protected":false},"author":1,"featured_media":642870,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[21980],"tags":[2885,575,91543,9516,35635,246,6129,495,27757,5546],"_links":{"self":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts\/642869"}],"collection":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/comments?post=642869"}],"version-history":[{"count":1,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts\/642869\/revisions"}],"predecessor-version":[{"id":642871,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/posts\/642869\/revisions\/642871"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/media\/642870"}],"wp:attachment":[{"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/media?parent=642869"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/categories?post=642869"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/magazineoffice.com\/wp-json\/wp\/v2\/tags?post=642869"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}