.

Inteligencia Artificial

Un robot aprende a atornillar y desatornillar igual que los humanos

1

La investigación descubrió que ambos procesos siguen un patrón universal de fuerzas. Así que solo tuvieron que enseñárselo a una máquina equipada con pinzas de agarre y visión artificial para que que pudiera hacerlo por sí misma. Una buena noticia para las fábricas del mundo 

  • por Emerging Technology From The Arxiv | traducido por Mariana Díaz
  • 21 Febrero, 2018

Entre todas las tecnologías que hacen posible la vida moderna, una de las más subestimadas y abandonadas es el sujetador de rosca, más comúnmente conocido como tornillo. Esta tecnología nació en los albores de la era industrial, cuando la producción en masa empezó a ser eficaz para objetos como este.

Hoy en día, los tornillos son el elemento que mantiene unido al mundo, literalmente. Gracias a ellos, podemos llevar el estilo de vida habitual del siglo XXI y es probable que su papel siga siendo estratégico en un futuro lejano. 

Sin embargo, en un mundo donde las técnicas de fabricación están cada vez más automatizadas, existe un problema. La labor de atornillar y desatornillar sigue siendo un enorme reto para las máquinas. A los robots les cuesta mucho manipular los tornillos y los destornilladores.

Las fuerzas axiales en el trabajo durante el atornillado y desatornillado resultan ser proporcionales al par.

Foto: Las fuerzas axiales en el trabajo durante el atornillado y desatornillado resultan ser proporcionales a la fuerza de torsión.

La investigadora del Instituto Skolkovo de Ciencia y Tecnología de Moscú (Rusia) Dima Mironov está intentando solucionar este problema junto a su equipo. Su objetivo es en automatizar el proceso para las fábricas inteligentes del futuro.

Su plan es simple. Mediante tecnología háptica, especializada en el sentido del tacto, Mironov y su equipo intentan entender cómo los humanos realizamos estas mismas tareas para construir robots capaces de replicar nuestra técnica. Para ello, su investigación ha descubierto una ley fundamental de atornillar (y desatornillar) que podría ayudar a lograr este objetivo.

Los humanos emplean dos tipos de fuerza diferentes para enroscar y desenroscar un tornillo. Primero aplican presión, o fuerza axial, para empujar el tornillo hacia su tuerca. Luego aplican una fuerza de giro, o torsión, para girar el tornillo. El giro necesario depende de la fricción entre el tornillo y el material de la tuerca, y del estado de la rosca.

Un factor clave en el atornillado consiste en evitar que el destornillador se suelte de la cabeza del tornillo. Por eso, Mironov y su equipo están particularmente interesados ​​en estudiar qué hacen los humanos para evitarlo. Los investigadores construyeron un dispositivo capaz de medir la fuerza axial a niveles inferiores a 0,1 newtons y la torsión por debajo de los 0,003 newton-metro.

Después, pidieron a 10 hombres y mujeres que atornillaran un pequeño tornillo varias veces para medir las fuerzas involucradas. Era el típico tornillo que se usa para fabricar smartphones, con una tuerca de tres milímetros y una cabeza de llave Allen o de destornillador de estrella.

Los resultados demuestran que, para atornillar y desatornillar con éxito, los humanos aplicamos una fuerza axial proporcional a la fuerza de torsión. Durante el atornillado, esta fuerza alcanza un máximo al final del proceso, pero el fenómeno se invierte durante el desatornillado. Además, las fuerzas demuestran una cierta periodicidad, provocada por el cambio de agarre que se produce al girar la mano y volver a enganchar el tornillo. Así que los investigadores solo han analizado la fuera máxima en cara giro.

Gracias a este trabajo, el equipo ha descubierto un patrón universal para las que se utilizan para atornillar y desatornillar. "Los resultados demuestran que las personas aplican una fuerza axial a los tornillos para evitar el deslizamiento del destornillador, y esta fuerza axial es proporcional a la fuerza de torsión necesaria para atornillar", dicen Mironov y sus colaboradores.

El equipo también descubrió que la fuerza requerida depende del tipo de cabeza del tornillo: los tornillos de estrella requieren una fuerza axial significativamente mayor para no soltarse del destornillador que los tornillos de llave Allen. Así que, dada la misma fuerza axial, los tornillos de estrella tienen menos probabilidades de deslizarse que los de cabeza de llave Allen.

Finalmente, los investigadores programaron un robot para que recreara el mismo patrón de fuerzas. Este robot está equipado con un destornillador, una pinza para sujetar el tornillo y tecnología de visión artificial para ubicar el tornillo en la tuerca. Después, midieron las fuerzas mientras el robot hacía su trabajo, centrándose en los deslizamientos, que se presentan como una caída repentina de las fuerzas. Cuando detecta un deslizamiento, el robot aumenta la fuerza axial y continúa.

El robot funcionó bien. "Los resultados del desatornillado robótico concuerdan con los resultados de los experimentos humanos y demuestran la universalidad de las condiciones de un desatornillado exitoso", afirma la investigación.

Estos investigadores son parte de un equipo especializado en construir robots que desmontan dispositivos electrónicos (como smartphones) para su posterior reciclaje. El proyecto se llama Recybot, y su objetivo consiste en crear un sistema robótico inteligente de alta velocidad para desmontar componentes electrónicos.

Es un desafío considerable, y uno de sus mayores retos es precisamente el de automatizar el proceso de desatornillado. Por lo menos, el equipo ya tiene esto bajo control. De hecho, su tecnología se podría aplicar en distintos tipos de fábricas inteligentes en las que se realizan tareas de montaje y ensamblaje.

El humilde tornillo parece que seguirá teniendo un papel clave en nuestro futuro, igual que lo ha tenido en el pasado.

Ref: arxiv.org/abs/1801.10386Haptics of Screwing and Unscrewing for Its Application in Smart Factories for Disassembly.

Inteligencia Artificial

 

La inteligencia artificial y los robots están transformando nuestra forma de trabajar y nuestro estilo de vida.

  1. La nueva IA de Google DeepMind aprende a jugar videojuegos sola

    El nuevo agente de Google DeepMind podría enfrentarse a una variedad de juegos que nunca antes había visto observando a jugadores humanos

  2. Cómo la IA nos acerca al paradigma de robots capaces de moverse por el mundo real

    El aprendizaje por refuerzo puede ayudar a los robots a enfrentarse a nuevas tareas que no han intentado antes

  3. Una ‘spinoff’ de OpenAI crea una IA que permite a robots aprender como los humanos

    Pero ¿puede pasar del laboratorio al almacén?