Los ingenieros del MIT han diseñado un robot autónomo con “navegación socialmente consciente”, que puede seguir el ritmo del tráfico peatonal, observando estos códigos generales de conducta de peatones.El enfoque puede permitir que los robots se muevan alrededor de hospitales, centros comerciales y otras áreas con tráfico pesado.
Al igual que los conductores observan las reglas de la carretera, la mayoría de los peatones siguen ciertos códigos sociales cuando navegan por un pasillo o una calle llena de gente: Manténgase a la derecha, pase a la izquierda, mantenga un amarre respetable y esté listo para tejer o cambiar de rumbo para evitar Obstáculos que se aproximan mientras que mantiene un paso constante que camina.
Ahora los ingenieros del MIT han diseñado un robot autónomo con “navegación socialmente consciente”, que puede seguir el ritmo del tráfico peatonal, observando estos códigos generales de conducta de peatones.
En las pruebas de manejo realizadas en el Stata Center del MIT, el robot, que se asemeja a un quiosco de rodilla sobre ruedas, evitó con éxito las colisiones mientras se mantenía al nivel del flujo promedio de peatones. Los investigadores han detallado su diseño robótico en un documento que presentarán en la Conferencia IEEE sobre Robots Inteligentes y Sistemas en septiembre.
“La navegación socialmente consciente es una capacidad central para los robots móviles que operan en entornos que requieren frecuentes interacciones con los peatones”, dice Yu Fan “Steven” Chen, quien lideró el trabajo como ex estudiante graduado del MIT y es el autor principal del estudio. “Por ejemplo, los pequeños robots podrían operar en las aceras para el paquete y la entrega de alimentos. Del mismo modo, los dispositivos de movilidad personal podrían transportar a la gente en espacios grandes y llenos de gente, como centros comerciales, aeropuertos y hospitales “.
Los coautores de Chen son el estudiante de posgrado Michael Everett, el ex postdoc Miao Liu, y Jonathan How, el profesor Richard Cockburn Maclaurin de Aeronáutica y Astronáutica en el MIT.
Unidad social
Para que un robot pueda hacer su camino de forma autónoma a través de un entorno de tráfico intenso, debe resolver cuatro desafíos principales: la localización (saber dónde está en el mundo), la percepción (reconocer su entorno), la planificación del movimiento Destino dado), y el control (ejecutando físicamente su trayectoria deseada).
Chen y sus colegas usaron enfoques estándar para resolver los problemas de localización y percepción. Para este último, equiparon al robot con sensores listos para usar, como cámaras web, un sensor de profundidad y un sensor de lidar de alta resolución. Para el problema de la localización, utilizaron algoritmos de fuente abierta para mapear el entorno del robot y determinar su posición. Para controlar el robot, emplearon métodos estándar usados para conducir vehículos terrestres autónomos.
“La parte del campo que creíamos que necesitábamos innovar era la planificación de movimiento”, dice Everett. “Una vez que averiguar dónde estás en el mundo, y saber cómo seguir las trayectorias, qué trayectorias debe seguir?”
Ese es un problema complicado, particularmente en entornos peatonales, donde las rutas individuales a menudo son difíciles de predecir. Como solución, los roboticistas a veces toman un enfoque basado en la trayectoria, en el que programan un robot para calcular un camino óptimo que representa las trayectorias deseadas de todos. Estas trayectorias deben deducirse de los datos de los sensores, porque las personas no le dicen explícitamente al robot a dónde están intentando ir.
“Pero esto tarda una eternidad en computar. Su robot va a ser estacionado, averiguar qué hacer a continuación, y mientras tanto, la persona ya se movió camino pasado antes de que decida “probablemente debería ir a la derecha”, dice Everett. “Así que ese enfoque no es muy realista, sobre todo si quieres conducir más rápido.”
Otros han utilizado aproximaciones más rápidas, “reactivas”, en las cuales un robot es programado con un modelo simple, usando geometría o física, para calcular rápidamente un camino que evita colisiones.
El problema con los enfoques basados en reactivos, dice Everett, es la impredecibilidad de la naturaleza humana – la gente rara vez se adhiere a un camino recto y geométrico, sino que teje y vaga, saliendo a saludar a un amigo o tomar un café. En un entorno tan impredecible, tales robots tienden a chocar con la gente o parecen estar siendo empujados evitando a las personas en exceso.
“El golpe en los robots en situaciones reales es que pueden ser demasiado cautelosos o agresivos”, dice Everett. “La gente no encuentra que encajen en las reglas socialmente aceptadas, como dar a la gente suficiente espacio o conducir a velocidades aceptables, y obtener más en el camino que ayudan”.
Días de entrenamiento
El equipo encontró una manera alrededor de tales limitaciones, permitiendo al robot adaptarse al comportamiento peatonal impredecible mientras que se mueve continuamente con el flujo y siguiendo códigos sociales típicos de la conducta peatonal.
Utilizaron el aprendizaje de refuerzo, un tipo de enfoque de aprendizaje automático, en el que realizaron simulaciones por ordenador para entrenar a un robot a tomar ciertos caminos, dada la velocidad y la trayectoria de otros objetos en el ambiente. El equipo también incorporó normas sociales en esta fase de entrenamiento fuera de línea, en la que alentó al robot en simulaciones a pasar a la derecha, y penalizó al robot cuando pasó a la izquierda.
“Queremos que esté viajando naturalmente entre la gente y no ser intrusivo”, dice Everett. “Queremos que siga las mismas reglas que todos los demás”.
La ventaja de reforzar el aprendizaje es que los investigadores pueden realizar estos escenarios de formación, que requieren mucho tiempo y poder de cálculo, fuera de línea. Una vez que el robot es entrenado en simulación, los investigadores pueden programarlo para llevar a cabo los caminos óptimos, identificados en las simulaciones, cuando el robot reconoce un escenario similar en el mundo real.
Los investigadores permitieron al robot evaluar su entorno y ajustar su trayectoria, cada décimo de segundo. De esta manera, el robot puede continuar rodando a través de un pasillo a una velocidad típica de caminar de 1,2 metros por segundo, sin detenerse a reprogramar su ruta.
“No estamos planeando un camino completo hacia la meta – no tiene sentido hacer eso más, especialmente si está asumiendo que el mundo está cambiando”, dice Everett. “Simplemente miramos lo que vemos, elegimos una velocidad, hacemos eso por una décima de segundo, luego miramos al mundo de nuevo, elegimos otra velocidad, e iremos otra vez. De esta manera, pensamos que nuestro robot se ve más natural, y está anticipando lo que la gente está haciendo “.
Control de la multitud
Everett y sus colegas probaron el robot en los ocupados y sinuosos pasillos del Edificio Stata del MIT, donde el robot pudo conducir de forma autónoma durante 20 minutos a la vez. Rodó suavemente con el flujo peatonal, generalmente manteniéndose a la derecha de los pasillos, de vez en cuando pasando gente a la izquierda, y evitando cualquier colisión.
“Queríamos llevarlo a algún lugar donde la gente hacía sus cosas cotidianas, ir a clase, conseguir comida, y mostramos que éramos bastante robustos a todo eso”, dice Everett. “Una vez hubo incluso un grupo de turistas, y los evitó perfectamente”.
Everett dice que en el futuro, planea explorar cómo los robots pueden manejar a las multitudes en un ambiente peatonal.
“Las multitudes tienen una dinámica diferente a la de las personas individuales, y es posible que tengas que aprender algo totalmente diferente si ves a cinco personas caminando juntas”, dice Everett. “Puede haber una regla social de, ‘No se mueven a través de la gente, no dividir a la gente, tratarlos como una masa.’ Eso es algo que estamos viendo en el futuro “.
Esta investigación fue financiada por Ford Motor Company.
Fuente: MIT