Desde siempre, uno de los mayores desafíos ha sido lograr que los robots perciban su entorno en condiciones adversas, como humo, niebla o incluso dentro de estructuras opacas. Sin embargo, un grupo de investigadores de la Universidad de Pensilvania han desarrollado una “visión sobrehumana” gracias al sistema PanoRadar, una tecnología que utiliza ondas de radio para dotar a los robots de una visión capaz de penetrar obstáculos y generar mapas tridimensionales detallados.
La inspiración de la naturaleza para la visión sobrehumana
La clave detrás de PanoRadar se basa en un principio tomado de la naturaleza: muchos animales, como los murciélagos y los tiburones, no dependen de la luz para percibir su entorno. En lugar de eso, utilizan ecos de ondas sonoras o campos eléctricos para orientarse y cazar.
Siguiendo esta misma lógica, los investigadores de Penn Engineering han demostrado que las ondas de radio, cuya longitud de onda es mucho mayor que la de la luz, pueden atravesar obstáculos como humo o paredes, proporcionando a los robots una visión más allá de lo que los sensores tradicionales permiten.
¿Cómo funciona PanoRadar?
El funcionamiento de PanoRadar se basa en un conjunto de antenas rotatorias que emiten ondas de radio y capturan sus reflejos para crear una representación del entorno. Este proceso es similar al funcionamiento de un faro que proyecta su luz en todas direcciones, pero en este caso, el radar utiliza ondas electromagnéticas en lugar de luz visible.
Al girar estas antenas, el sistema puede escanear todo el entorno y, gracias a la potencia de la inteligencia artificial (IA), integrar las mediciones obtenidas desde diferentes ángulos para generar imágenes 3D con una resolución comparable a la de los sistemas LiDAR.
Uno de los principales avances de PanoRadar es el uso de algoritmos de IA que procesan las señales de radio para mejorar la resolución de las imágenes. Aunque el sistema de radar en sí mismo es de bajo costo en comparación con tecnologías más caras como LiDAR, la integración con IA permite que las imágenes tridimensionales generadas sean de alta calidad, ofreciendo a los robots la capacidad de navegar con precisión incluso en entornos difíciles.
Esto es especialmente útil en aplicaciones como vehículos autónomos y misiones de rescate, donde la capacidad de detectar obstáculos invisibles para los sensores ópticos puede marcar la diferencia entre el éxito y el fracaso.
Superando los desafíos de la movilidad
Mantener la alta resolución mientras el robot se desplaza presenta un desafío adicional. En condiciones reales, los robots se mueven y, por tanto, sus imágenes pueden verse afectadas por pequeños errores en la posición. Sin embargo, los investigadores han superado este obstáculo mediante el uso de algoritmos de procesamiento de señales que combinan mediciones de distintas posiciones con una precisión submilimétrica. Con la capacidad de detectar objetos y personas, incluso a través de materiales como vidrio o humo denso, PanoRadar promete cambiar la manera en que los robots perciben su entorno.
Los investigadores de la Universidad de Pensilvania están ampliando las pruebas para integrar PanoRadar en diversas plataformas robóticas, lo que podría transformar industrias como la automotriz, la búsqueda y rescate y otras que requieren navegación en condiciones extremas. Al combinar esta tecnología con sensores tradicionales como cámaras y LiDAR, se pueden crear sistemas de percepción multimodales que hagan a los robots más robustos y capaces en entornos desafiantes.
Con el PanoRAdar los robots podrán ver aun en entornos desafiantes. Fuente: Penn Engineering AI
La capacidad de los robots para ver más allá de los límites de los sensores tradicionales es un avance crucial para la robótica. Con PanoRadar, los investigadores de Penn Engineering han demostrado que la inteligencia artificial y las ondas de radio pueden ser combinadas para crear un sistema de visión que permita a los robots navegar de manera efectiva en condiciones que antes parecían imposibles.
¡Síguenos en las redes sociales y no te pierdas ninguna de nuestras publicaciones!
YouTube LinkedIn Facebook Instagram X TikTok
Fuente y fotos: Universidad de Pensilvania
Cargando...
