La empresa Figure AI ha logrado que su robot humanoide, el Figure 02, adquiera conocimientos para caminar de una forma similar a la de los humanos. Al utilizar un procesamiento basado en el principio del aprendizaje por refuerzo (RL), los robots aprenden a través de prueba y error miles de veces.
El avance en la locomoción del robot humanoide Figure 02
Para enseñar a los robots Figure 02 a caminar naturalmente como los humanos, la compañía ha creado un entorno simulado de alta fidelidad, en el cual miles de robots virtuales entrenan en paralelo bajo condiciones físicas únicas. En solo unas pocas horas de simulación, se generan años de datos, lo que permite que el robot desarrolle una locomoción natural con un nivel de realismo impresionante.
Cada uno de estos robots virtuales enfrenta diversos terrenos y escenarios, incluyendo obstáculos y alteraciones en la dinámica de sus actuadores. Estos entrenamientos virtuales permiten que el Figure 02 aprenda a adaptarse a situaciones complejas, como tropezones o resbalones, y a realizar movimientos similares a los de un ser humano: impacto del talón, balanceo de brazos y sincronización de las piernas.
A pesar de que un robot simulado no es idéntico a un sistema real, la empresa Figure AI ha logrado superar esta problemática mediante el uso de aleatorización de dominio en las simulaciones. Dicha técnica introduce variaciones en los parámetros físicos de los robots virtuales, lo que permite que la red neuronal generalice su comportamiento a diferentes tipos de hardware físico sin necesidad de ajustes adicionales.
Además, se incorpora retroalimentación de par a alta frecuencia, lo que permite corregir posibles errores de modelado del actuador y asegurar que el robot responda de manera precisa a los cambios en el terreno o empujes externos.
La ingeniería detrás de la caminata natural
La empresa ha diseñado el sistema de control para que el robot pueda caminar de manera estable, y a la vez, emular los movimientos estilísticos que tanto caracterizan la caminata humana.
Dichos movimientos incluyen el correcto alineamiento de las piernas, la coordinación entre los movimientos de los brazos y las piernas, y los impactos del talón en el suelo, características que hacen que el robot se mueva como una persona real.
Y para lograr la optimización de estos movimientos, se integró al robot un simulador para seguir trayectorias de referencia humanas, un enfoque que le permite generar una marcha más natural.
Una “camina natural” proveniente de un robot. Fuente: Figure
A través de la arquitectura de aprendizaje por refuerzo, Figure AI ha demostrado que su tecnología puede ser replicada en una flota de robots. Al aplicar el mismo sistema de red neuronal a múltiples robots, tienen las capacidades de aprender de forma autónoma y adaptarse a las variaciones físicas o ambientales del entorno, sin que se requieran modificaciones manuales para cada uno de ellos.
¡Síguenos en las redes sociales y no te pierdas ninguna de nuestras publicaciones!
YouTube LinkedIn Facebook Instagram X (Twitter) TikTok
Fuente y foto: Figure
