Un nuevo sistema de control enseña a los robots blandos el arte de mantenerse seguros

Imagine tener un brazo robótico suave y continuo doblado alrededor de un racimo de uvas o brócoli, ajustando su agarre en tiempo real a medida que levanta el objeto. A diferencia de los robots rígidos tradicionales que generalmente intentan evitar el contacto con el medio ambiente tanto como sea posible y mantenerse alejados de las personas por razones de seguridad, este brazo detecta fuerzas sutiles, estirándose y flexionándose de maneras que imitan más de cerca la flexibilidad de una mano humana. Cada uno de sus movimientos está calculado para evitar una fuerza excesiva y al mismo tiempo lograr la tarea de manera eficiente. En el Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT y el Laboratorio de Sistemas de Información y Decisión (LIDS), estos movimientos aparentemente simples son la culminación de matemáticas complejas, ingeniería cuidadosa y una visión de robots que pueden interactuar de manera segura con humanos y objetos delicados.

Los robots blandos, con sus cuerpos deformables, prometen un futuro en el que las máquinas se mueven con mayor fluidez junto a las personas, ayudan en el cuidado o manipulan artículos delicados en entornos industriales. Pero esta flexibilidad los hace difíciles de controlar. Pequeñas curvas o torsiones pueden producir fuerzas impredecibles, aumentando el riesgo de daños o lesiones. Esto motiva la necesidad de estrategias de control seguras para robots blandos.

“Inspirándonos en los avances en el control seguro y los métodos formales para robots rígidos, pretendemos adaptar estas ideas a la robótica blanda, modelando comportamientos complejos y adoptando, en lugar de evitar, el contacto, para permitir diseños de mayor rendimiento (por ejemplo, mayor carga y precisión) sin sacrificar la seguridad o la inteligencia incorporada”, dijo el autor principal y profesor asistente del MIT Gioele Zardini, director del Departamento de Medio Ambiente e Investigadores Civiles de LIDS. Profesor afiliado al Instituto de Datos, Sistemas y Sociedad (IDSS). “Esta visión es compartida por el trabajo reciente y paralelo de otros grupos”.

Seguridad ante todo

El equipo desarrolló un nuevo marco que combina la teoría de control no lineal (sistemas de control que involucran dinámicas altamente complejas) con técnicas avanzadas de modelado físico y optimización eficiente en tiempo real para producir lo que llaman “seguridad con reconocimiento de contacto”. En el centro del enfoque se encuentran las funciones de control de barrera de alto orden (HOCBF) y las funciones de control de Lyapunov de alto orden (HOCLF). Los HOCBF definen límites operativos seguros para garantizar que el robot no ejerza fuerzas inseguras. Los HOCLF guían eficientemente al robot hacia sus objetivos de trabajo, equilibrando la seguridad y el rendimiento.

“Esencialmente, estamos enseñando al robot a conocer sus propios límites cuando interactúa con el entorno y al mismo tiempo lograr sus objetivos”, dice Kiwan Wong, estudiante de doctorado del Departamento de Ingeniería Mecánica del MIT, autor principal de un nuevo artículo que describe el marco. “El enfoque implica una derivación compleja de la dinámica suave del robot, modelos de contacto y restricciones de control, pero la especificación de los objetivos de control y las barreras de seguridad es bastante simple para el profesional, y los resultados son muy tangibles, ya que se ve que el robot se mueve suavemente, reacciona al contacto y nunca causa situaciones peligrosas”.

“En comparación con los CBF cinemáticos tradicionales, donde los rangos seguros de invariancia directa son difíciles de especificar, el marco HOCBF simplifica el diseño de la barrera y su formulación optimizada tiene en cuenta la dinámica del sistema (por ejemplo, la inercia), lo que garantiza que el robot blando se detenga lo suficientemente temprano para evitar fuerzas de contacto peligrosas”, dice el profesor asistente postdoctoral del Instituto Politécnico de Worcester y ex XiiCSaoAIL.

“Desde que aparecieron los robots blandos, el campo ha enfatizado su inteligencia encarnada y su mayor seguridad inherente en comparación con los robots rígidos, gracias a los materiales pasivos y el cumplimiento estructural. Pero su inteligencia “cognitiva”, especialmente los sistemas de seguridad, se ha quedado atrás de la de los manipuladores rígidos de enlace en serie”, dice el coautor principal Maximilian Stölzle, estudiante de investigación senior en Disney Delft Research and Research Technology. TAPAS y CSAIL. “Este trabajo ayuda a cerrar esta brecha adaptando algoritmos probados a robots blandos y adaptándolos para un contacto seguro con una dinámica continua suave”.

Los equipos de LIDS y CSAIL probaron el sistema en una serie de experimentos diseñados para desafiar la seguridad y adaptabilidad del robot. En una prueba, se presiona suavemente el brazo contra una superficie flexible, manteniendo una fuerza precisa sin exagerar. En otro, dibuja los contornos de un objeto curvo, ajustando su agarre para evitar deslizarse. En otra demostración más, el robot manipuló elementos frágiles junto con un operador humano, reaccionando en tiempo real a cambios o cambios inesperados. “Estos experimentos muestran que nuestro marco se puede generalizar a diversas tareas y propósitos, y que el robot puede detectar, adaptarse y actuar en escenarios complejos respetando límites de seguridad claramente definidos”, dice Zardini.

Por supuesto, los robots blandos con seguridad sensible al contacto podrían ser un verdadero valor añadido en lugares donde hay mucho en juego. En el sector sanitario, pueden ayudar en la cirugía, proporcionando una manipulación precisa y reduciendo al mismo tiempo el riesgo para los pacientes. En la industria, las mercancías frágiles podrían manipularse sin una supervisión constante. En entornos domésticos, los robots podrían ayudar con las tareas domésticas o de cuidado, comunicarse de forma segura con niños o personas mayores, un paso clave para convertir a los robots blandos en socios confiables en entornos del mundo real.

“Los robots blandos tienen un potencial increíble”, dijo la coautora principal Daniela Rus, directora de CSAIL y profesora del Departamento de Ingeniería Eléctrica e Informática. “Pero garantizar la seguridad y el trabajo de codificación de movimiento en objetivos relativamente simples siempre ha sido un desafío central. Queríamos crear un sistema en el que el robot pueda permanecer flexible y receptivo al tiempo que garantiza matemáticamente que no excederá los límites de fuerza seguros”.

Combina modelado de robots blandos, simulación diferencial y teoría de control.

Detrás de la estrategia de control hay una implementación diferencial de algo llamado modelado dinámico de segmentos cosserat por partes (PCS), que predice cómo se deforma un robot blando y dónde se acumulan las fuerzas. Este modelo permite al sistema anticipar cómo responderá el cuerpo del robot a acciones e interacciones complejas con el entorno. “El aspecto que más me gusta de este trabajo es la combinación de integración de herramientas nuevas y antiguas de diferentes campos, como modelos avanzados de robots blandos, simulación diferencial, teoría de Lyapunov, optimización convexa y restricciones de seguridad basadas en la gravedad del accidente. Todas estas cosas están bien mezcladas en un controlador en tiempo real completamente basado en los principios fundamentales”, dijo el auditor a Della San. Universidad Tecnológica de Delft.

Complementando esto está el Teorema del Eje de Separación Conservadora Diferencial (DCSAT), que estima la distancia entre el robot blando y los obstáculos en el entorno que se pueden aproximar con una cadena de polígonos convexos de una manera diferente. “Las primeras métricas de distancia diferencial para polígonos convexos no lograron calcular la profundidad de penetración (esencial para estimar la fuerza de contacto) o proporcionaron estimaciones poco conservadoras que podrían comprometer la seguridad”, dice Wong. “Por el contrario, la métrica DCSAT arroja estimaciones que son estrictamente conservadoras y, por lo tanto, seguras, al tiempo que permiten cálculos rápidos y diferenciales”. Juntos, PCS y DCSAT le dan al robot una sensación predictiva de su entorno para interacciones más proactivas y seguras.

De cara al futuro, el equipo planea ampliar su método a robots blandos tridimensionales y explorar la integración con estrategias basadas en el aprendizaje. Al combinar la seguridad del contacto con el aprendizaje adaptativo, los robots blandos podrían manejar entornos más complejos e impredecibles.

“Eso es lo que hace que nuestro trabajo sea interesante”, afirma Rus. “Se puede ver al robot comportándose de forma humana, con atención, pero detrás de esa gracia hay un fuerte marco de control que garantiza que nunca exceda sus límites”.

“Por lo general, es más seguro interactuar con robots blandos que con robots de cuerpo rígido por diseño, debido a las propiedades de cumplimiento y absorción de energía de sus cuerpos”, dijo el profesor asistente de la Universidad de Michigan, Daniel Bruder, que no participó en la investigación. “Sin embargo, a medida que los robots blandos se vuelven más rápidos, más fuertes y más capaces, es posible que eso ya no sea suficiente para garantizar la seguridad. Este trabajo supone un paso importante para garantizar que los robots blandos puedan operar de forma segura al ofrecer un método para limitar las fuerzas de contacto en sus cuerpos”.

El trabajo del equipo fue apoyado, en parte, por la beca del Jockey Club de Hong Kong, el programa Horizonte Europa de la Unión Europea, el Cultuurfonds Wetenschapsbeurens y el presidente Rudge (1948) y Nancy Allen. El trabajo fue publicado a principios de este mes en el Instituto de Ingenieros Eléctricos y Electrónicos. Robótica y Automatización de la Leche.