Crean método para orquestar una colaboración exitosa entre robots

Una nueva investigación de la Universidad de Massachusetts Amherst muestra que programar robots para que creen sus propios equipos y esperen voluntariamente a sus compañeros de equipo da como resultado una finalización más rápida de las tareas, con el potencial de mejorar la automatización de la fabricación, la agricultura y los almacenes.

Esta investigación fue reconocida como finalista del Premio al Mejor Artículo sobre Sistemas Multi-Robot en la Conferencia Internacional IEEE sobre Robótica y Automatización de 2024.

“Existe una larga historia de debate sobre si queremos construir un solo robot humanoide poderoso que pueda hacer todos los trabajos, o tenemos un equipo de robots que pueden colaborar“, dice uno de los autores del estudio, Hao Zhang, profesor asociado en la Facultad de Información y Ciencias de la Computación Manning de UMass Amherst y director del Laboratorio de Robótica Centrada en el Ser Humano.

En un entorno de fabricación, un equipo de robots puede ser menos costoso porque maximiza la capacidad de cada robot.

El desafío entonces es: ¿cómo coordinar un conjunto diverso de robots?

Algunos pueden estar fijos en un lugar, otros móviles; algunos pueden levantar materiales pesados, mientras que otros son adecuados para tareas más pequeñas.

Como solución, Zhang y su equipo crearon un enfoque basado en el aprendizaje para programar robots llamado aprendizaje para espera voluntaria y subequipamiento (LVWS).

“Los robots tienen grandes tareas, al igual que los humanos“, dice Zhang.

“Por ejemplo, tienen una caja grande que no puede ser transportada por un solo robot. El escenario necesitará varios robots para trabajar en colaboración en eso“.

El otro comportamiento es la espera voluntaria.

“Queremos que el robot pueda esperar activamente porque, si simplemente elige una solución codiciosa para realizar siempre tareas más pequeñas que están disponibles de inmediato, a veces la tarea más grande nunca se ejecutará“, explica Zhang.

Para probar su enfoque LVWS, dieron a seis robots 18 tareas en una simulación por computadora y compararon su enfoque LVWS con otros cuatro métodos.

En este modelo de computadora, existe una solución conocida y perfecta para completar el escenario en la menor cantidad de tiempo.

Los investigadores hicieron pasar los diferentes modelos por la simulación y calcularon cuánto peor era cada método comparado con esta solución perfecta, una medida conocida como suboptimalidad.

Los métodos de comparación oscilaron entre el 11,8% y el 23% de subóptimos.

El nuevo método LVWS fue un 0,8% subóptimo.

“Por lo tanto, la solución está cerca de la mejor solución posible o teórica”, dice Williard Jose, autor del artículo y estudiante de doctorado en ciencias de la computación en el Laboratorio de Robótica Centrada en el Ser Humano.

¿Cómo hacer que un robot espere hace que todo el equipo sea más rápido?

Considere este escenario: tiene tres robots, dos que pueden levantar cuatro libras cada uno y uno que puede levantar 10 libras.

Uno de los robots pequeños está ocupado con una tarea diferente y hay una caja de siete libras que necesita ser movida.

“En lugar de que ese robot grande realice esa tarea, sería más beneficioso para el robot pequeño esperar al otro robot pequeño y luego hacer esa gran tarea juntos porque el recurso de ese robot más grande es más adecuado para hacer una gran tarea diferente”, dice Jose.

Si es posible determinar una respuesta óptima en primer lugar, ¿por qué los robots necesitan un programador?

“El problema de utilizar esa solución exacta es calcular que lleva mucho tiempo“, explica Jose.

“Con un mayor número de robots y tareas, es exponencial. No se puede obtener la solución óptima en un tiempo razonable”.

Al observar los modelos que utilizan 100 tareas, donde es imposible calcular una solución exacta, descubrieron que su método completaba las tareas en 22 pasos de tiempo en comparación con los 23,05 a 25,85 pasos de tiempo de los modelos de comparación.

Zhang espera que este trabajo ayude a impulsar el progreso de estos equipos de robots automatizados, en particular cuando entra en juego la cuestión de la escala.

Por ejemplo, dice que un solo robot humanoide puede ser una mejor opción para el espacio reducido de una casa unifamiliar, mientras que los sistemas con varios robots son mejores opciones para un entorno industrial grande que requiere tareas especializadas.

Fuente: Tech Xplore