La locomoción del robot es el nombre colectivo de los diversos métodos que utilizan los robots para transportarse de un lugar a otro.
Los robots con ruedas suelen ser bastante eficientes energéticamente y fáciles de controlar. Sin embargo, otras formas de locomoción pueden ser más apropiadas por varias razones, por ejemplo, atravesar un terreno accidentado, así como moverse e interactuar en entornos humanos. Además, el estudio de robots bípedos y similares a insectos puede tener un impacto beneficioso en la biomecánica.
Un objetivo importante en este campo es desarrollar capacidades para que los robots decidan de forma autónoma cómo, cuándo y dónde moverse. Sin embargo, es difícil coordinar una gran cantidad de articulaciones de robot para asuntos simples, como negociar escaleras. La locomoción de robots autónomos es un obstáculo tecnológico importante para muchas áreas de la robótica, como los humanoides (como el Asimo de Honda).
Tipos de locomoción
Para caminar
Los robots caminantes simulan el movimiento humano o animal, como un reemplazo para el movimiento con ruedas. El movimiento con patas permite negociar superficies desiguales, escalones y otras áreas que podrían ser difíciles de alcanzar para un robot con ruedas, además de causar menos daño al terreno ambiental que los robots con ruedas, lo que lo erosionaría.
Los robots Hexápodos se basan en la locomoción de los insectos, más popularmente la cucaracha y el insecto palo, cuya producción neurológica y sensorial es menos compleja que la de otros animales. Las patas múltiples permiten varios pasos diferentes, incluso si una pierna está dañada, lo que hace que sus movimientos sean más útiles en robots que transportan objetos.
Mecanismo de la pierna
Un mecanismo de pierna (mecanismo de caminar) es un conjunto de enlaces y articulaciones (un enlace) destinado a simular el movimiento de movimiento de humanos o animales. Las patas mecánicas pueden tener uno o más actuadores, y pueden realizar movimientos planos simples o complejos.
En comparación con una rueda, un mecanismo de pata se ajusta mejor a un terreno irregular, ya que puede superar obstáculos.
Hexápodo
Un robot andante de seis patas no debe confundirse con una plataforma Stewart, un tipo de manipulador paralelo utilizado en aplicaciones de robótica.
Un robot hexápodo es un vehículo mecánico que camina sobre seis patas. Dado que un robot puede ser estáticamente estable en tres o más patas, un robot hexápodo tiene una gran flexibilidad en la forma en que puede moverse. Si las piernas se vuelven discapacitadas, el robot aún puede caminar. Además, no todas las patas del robot son necesarias para la estabilidad; otras piernas son libres de alcanzar nuevas colocaciones de pies o manipular una carga útil.
Muchos robots hexápodos están inspirados biológicamente en la locomoción de Hexapoda. Los hexápodos pueden usarse para probar teorías biológicas sobre la locomoción de insectos, el control motor y la neurobiología.
Caminar bipedal
Dinámica pasiva
La dinámica pasiva se refiere al comportamiento dinámico de los actuadores, robots u organismos cuando no se extrae energía de un suministro (por ejemplo, baterías, combustible, ATP). Dependiendo de la aplicación, considerar o alterar la dinámica pasiva de un sistema motorizado puede tener efectos drásticos en el rendimiento, particularmente en la economía de energía, la estabilidad y el ancho de banda de la tarea. Los dispositivos que no utilizan una fuente de alimentación se consideran «pasivos», y su comportamiento está completamente descrito por su dinámica pasiva.
En algunos campos de la robótica (en particular, la robótica), el diseño y el control más relajado de la dinámica pasiva se han convertido en un enfoque complementario (o incluso alternativo) de los métodos de control de posicionamiento conjunto desarrollados hasta el siglo XX. Además, la dinámica pasiva de los animales ha sido de interés para los biomecánicos y los biólogos integradores, ya que estas dinámicas a menudo subyacen a los movimientos biológicos y se combinan con el control neuromecánico.
Los campos particularmente relevantes para la investigación y la ingeniería de la dinámica pasiva incluyen la locomoción y manipulación de las patas.
Momento cero punto
El punto de momento cero es un concepto relacionado con la dinámica y el control de la locomoción en las piernas, por ejemplo, para robots humanoides. Especifica el punto con respecto al cual la fuerza de reacción dinámica en el contacto del pie con el suelo no produce ningún momento en la dirección horizontal, es decir, el punto donde el total de inercia horizontal y fuerzas de gravedad es igual a 0 (cero). El concepto asume que el área de contacto es plana y tiene una fricción suficientemente alta para evitar que los pies se deslicen.
Corriendo
Ejemplos: ASIMO, BigDog, HUBO 2, RunBot y Toyota Partner Robot.
Laminación
En términos de eficiencia energética en superficies planas, los robots con ruedas son los más eficientes. Esto se debe a que una rueda ideal que rueda (pero no se desliza) no pierde energía. Una rueda que rueda a una velocidad dada no necesita ninguna entrada para mantener su movimiento. Esto contrasta con los robots con patas que sufren un impacto con el suelo en el talón y pierden energía como resultado.
Por simplicidad, la mayoría de los robots móviles tienen cuatro ruedas o varias pistas continuas. Algunos investigadores han intentado crear robots con ruedas más complejos con solo una o dos ruedas. Estos pueden tener ciertas ventajas, como mayor eficiencia y piezas reducidas, además de permitir que un robot navegue en lugares confinados que un robot de cuatro ruedas no podría.
Ejemplos: Boe-Bot, Cosmobot, Elmer, Elsie, Enon, HERO, IRobot Create, Roomba de iRobot, Johns Hopkins Beast, Land Walker, Modulus robot, Musa, Omnibot, PaPeRo, Phobot, Pocketdelta robot, Push the Talking Trash Can, RB5X , Rovio, Seropi, Shakey el robot, Sony Rolly, Spykee, TiLR, Topo, TR Araña y Wakamaru.
Saltando
Varios robots, construidos en la década de 1980 por Marc Raibert en el Laboratorio de Piernas del MIT, demostraron con éxito caminar muy dinámico. Inicialmente, un robot con una sola pierna y un pie muy pequeño podría mantenerse erguido simplemente saltando. El movimiento es el mismo que el de una persona en un palo de pogo. Cuando el robot cae hacia un lado, salta ligeramente en esa dirección para atraparse. Pronto, el algoritmo se generalizó a dos y cuatro patas. Un robot bípedo fue demostrado corriendo e incluso realizando saltos mortales. También se demostró un cuadrúpedo que podía trotar, correr, ritmo y atado.
Ejemplos:
El cachorro de guepardo MIT es un robot cuadrúpedo eléctrico con patas compatibles pasivas capaces de autoestabilizarse en una amplia gama de velocidades.
El Tekken II es un pequeño cuadrúpedo diseñado para caminar en terrenos irregulares de manera adaptativa.
Movimiento metacronal
La acción mecánica coordinada y secuencial que tiene la apariencia de una onda viajera se denomina ritmo u onda metacrónica, y se emplea en la naturaleza por ciliados para el transporte y por gusanos y artrópodos para la locomoción.
Deslizándose
Varios robots serpiente han sido desarrollados con éxito. Estos robots, que simulan la forma en que se mueven las serpientes reales, pueden navegar por espacios muy limitados, lo que significa que algún día se pueden usar para buscar personas atrapadas en edificios colapsados. El robot serpiente japonés ACM-R5 puede incluso navegar tanto en tierra como en agua.
Ejemplos: Robot de brazo de serpiente, Roboboa y Snakebot.
Nadando
Un vehículo submarino autónomo (AUV) es un robot que viaja bajo el agua sin requerir la intervención de un operador. Los AUV forman parte de un grupo más grande de sistemas submarinos conocidos como vehículos subacuáticos no tripulados, una clasificación que incluye vehículos subacuáticos (ROV) no autónomos operados a distancia, controlados y propulsados desde la superficie por un operador / piloto a través de un umbilical o mediante control remoto. En aplicaciones militares, un AUV se conoce más a menudo como un vehículo submarino no tripulado (UUV). Los planeadores submarinos son una subclase de AUVs.
Brachiating
La braquiación permite que los robots viajen al balancearse, usando energía solo para agarrar y liberar superficies. Este movimiento es similar a un simio que se balancea de árbol en árbol. Los dos tipos de braquiación pueden compararse con los movimientos de andar bípedos (contacto continuo) o correr (richochetal). El contacto continuo es cuando un mecanismo de mano / agarre está siempre unido a la superficie que se está cruzando; richochetal emplea una fase de «vuelo» aéreo de una superficie / extremidad a la siguiente.
Híbrido
Los robots también pueden diseñarse para realizar la locomoción en múltiples modos. Por ejemplo, el Bipedal Snake Robo puede deslizarse como una serpiente y caminar como un robot bípedo.
Enfoques
Ingeniería de la marcha
Optimización de producto
La optimización de la producción es la práctica de hacer cambios o ajustes en un producto para hacerlo más deseable.
Un producto tiene una serie de atributos. Por ejemplo, una botella de refresco puede tener diferentes variaciones de empaque, sabores, valores nutricionales. Es posible optimizar un producto haciendo pequeños ajustes. Normalmente, el objetivo es hacer que el producto sea más deseable y aumentar las métricas de marketing, como la intención de compra, la credibilidad, la frecuencia de compra, etc.
Planificación de movimiento
La planificación del movimiento (también conocido como el problema de navegación o el motor del piano) es un término usado en robótica para el proceso de descomponer una tarea de movimiento deseada en movimientos discretos que satisfacen las restricciones de movimiento y posiblemente optimicen algún aspecto del movimiento.
Por ejemplo, considere navegar un robot móvil dentro de un edificio a un punto de ruta distante. Debe ejecutar esta tarea, evitando las paredes y no cayendo escaleras. Un algoritmo de planificación de movimiento tomaría una descripción de estas tareas como entrada y produciría la velocidad y los comandos de giro enviados a las ruedas del robot. Los algoritmos de planificación de movimiento pueden dirigirse a robots con un mayor número de uniones (por ejemplo, manipuladores industriales), tareas más complejas (por ejemplo, manipulación de objetos), diferentes restricciones (por ejemplo, un automóvil que solo puede avanzar) e incertidumbre (por ejemplo, modelos imperfectos de El entorno o robot).
Motion planning tiene varias aplicaciones robóticas, como autonomía, automatización y diseño de robots en software CAD, así como aplicaciones en otros campos, como animar personajes digitales, videojuegos, inteligencia artificial, diseño arquitectónico, cirugía robótica y el estudio de moléculas biológicas.
La captura de movimiento se puede realizar en humanos, insectos y otros organismos.
La captura de movimiento (a veces denominada mo-cap o mocap, para abreviar) es el proceso de registrar el movimiento de objetos o personas. Se utiliza en aplicaciones militares, de entretenimiento, deportivas, médicas y para la validación de la visión por ordenador y la robótica. En cine y desarrollo de videojuegos, se refiere a la grabación de acciones de actores humanos y al uso de esa información para animar modelos de personajes digitales en animación de computadora en 2D o 3D. Cuando incluye cara y dedos o captura expresiones sutiles, a menudo se lo denomina captura de rendimiento. En muchos campos, la captura de movimiento a veces se denomina seguimiento de movimiento, pero en cine y juegos, el seguimiento de movimiento generalmente se refiere más al movimiento.
En las sesiones de captura de movimiento, los movimientos de uno o más actores se muestrean muchas veces por segundo. Mientras que las técnicas tempranas utilizaban imágenes de varias cámaras para calcular posiciones 3D, a menudo el propósito de la captura de movimiento es registrar solo los movimientos del actor, no su apariencia visual. Estos datos de animación se asignan a un modelo 3D para que el modelo realice las mismas acciones que el actor. Este proceso puede contrastarse con la técnica más antigua de rotoscopia, como se ve en The Lord of the Rings (1978) y American Pop (1981) de Ralph Bakshi. Los movimientos de personajes animados se lograron en estas películas al rastrear a un actor de acción en vivo, capturando los movimientos y movimientos del actor. Para explicar, se filma a un actor realizando una acción, y luego la película grabada se proyecta en una tabla de animación fotograma a fotograma. Los animadores rastrean las secuencias de acción en vivo en celdas de animación, capturan el esquema y los movimientos del actor fotograma a fotograma, y luego completan los contornos trazados con el personaje animado. Las imágenes de animación completadas se fotografían fotograma a fotograma, coincidiendo exactamente con los movimientos y acciones de las imágenes de acción en vivo. El resultado final es que el personaje animado replica exactamente los movimientos de acción en vivo del actor. Sin embargo, este proceso requiere una cantidad considerable de tiempo y esfuerzo.
Los movimientos de la cámara también se pueden capturar en movimiento, de modo que una cámara virtual en la escena se mueva, incline o mueva alrededor del escenario conducido por un operador de cámara mientras el actor se está desempeñando. Al mismo tiempo, el sistema de captura de movimiento puede capturar la cámara y los accesorios, así como el rendimiento del actor. Esto permite que los personajes, imágenes y juegos generados por computadora tengan la misma perspectiva que las imágenes de video de la cámara. Una computadora procesa los datos y muestra los movimientos del actor, proporcionando las posiciones de cámara deseadas en términos de objetos en el conjunto. La obtención retroactiva de los datos de movimiento de la cámara a partir del material de archivo capturado se conoce como movimiento de partidos o seguimiento de cámara.
Aprendizaje automático, típicamente con aprendizaje por refuerzo.
El aprendizaje automático (MA) es un campo de inteligencia artificial que utiliza técnicas estadísticas para que los sistemas informáticos puedan «aprender» (por ejemplo, mejorar progresivamente el rendimiento en una tarea específica) a partir de los datos, sin ser programados explícitamente.
El aprendizaje automático de nombres fue acuñado en 1959 por Arthur Samuel. El aprendizaje automático explora el estudio y la construcción de algoritmos que pueden aprender de y hacer predicciones sobre los datos; dichos algoritmos se superan siguiendo instrucciones estrictamente estáticas del programa al hacer predicciones o decisiones basadas en datos, mediante la construcción de un modelo a partir de entradas de muestra. El aprendizaje automático se emplea en una variedad de tareas informáticas en las que diseñar y programar algoritmos explícitos con buen rendimiento es difícil o inviable; las aplicaciones de ejemplo incluyen filtrado de correo electrónico, detección de intrusos en la red y visión por computadora.
El aprendizaje automático está estrechamente relacionado con (y con frecuencia se superpone con) las estadísticas computacionales, que también se centra en la elaboración de predicciones mediante el uso de computadoras. Tiene fuertes vínculos con la optimización matemática, que proporciona métodos, teoría y dominios de aplicación al campo. El aprendizaje automático a veces se combina con la minería de datos, donde el último subcampo se enfoca más en el análisis exploratorio de datos y se conoce como aprendizaje no supervisado.
Dentro del campo del análisis de datos, el aprendizaje automático es un método utilizado para diseñar modelos complejos y algoritmos que se prestan a la predicción; En uso comercial, esto se conoce como análisis predictivo. Estos modelos analíticos permiten a los investigadores, científicos de datos, ingenieros y analistas «producir decisiones y resultados confiables y repetibles» y descubrir «ideas ocultas» a través del aprendizaje de relaciones históricas y tendencias en los datos.