Tecnologías clave
Contenidos 
  1. Diseño y fabricación
  2. Simulación y programación off-line/on-line
    1. Definición general
    2. Estado del arte
    3. Interés estratégico para España
  3. Seguridad
    1. Definición general
    2. Estado del arte
    3. Interés estratégico para España
  4. Calibrado
    1. Definición general
    2. Estado del arte
    3. Interés estratégico para España
  5. Sensores
    1. Definición general
    2. Estado del arte
    3. Interés estratégico para España
  6. Dispositivos hápticos
    1. Definición general
    2. Estado del arte
    3. Interés estratégico para España
  7. Motores y controladores de motor
    1. Definición general
    2. Estado del arte
  8. Manipulación
    1. Definición general
    2. Estado del arte
    3. Interés estratégico para España
  9. Ingeniería software
    1. Definición general
    2. Estado del arte
    3. Interés estratégico para España
  10. Integración de sistemas
    1. Definición general
    2. Estado del arte
    3. Interés estratégico para España
  11. Arquitecturas de control
    1. Definición general
    2. Estado del arte
    3. Interés Estratégico para España
    4. Bibliografía
  12. Tele-operación
    1. Descripción general
    2. Estado del arte
    3. Interés estratégico para España
  13. Comunicaciones
    1. Definición general
    2. Estado del arte
    3. Interés estratégico para España
  14. Movilidad
    1. Definición general
    2. Estado del arte
    3. Interés estratégico para España
  15. Energía – Autonomía
    1. Definición general
    2. Estado del arte
    3. Interés estratégico para España
  16. Planificación, navegación, localización y modelado del entorno
    1. Definición general
    2. Estado del arte
    3. Interés estratégico para España
    4. Referencias
  17. Sistemas de percepción
    1. Definición general
    2. Estado del arte
    3. Interés estratégico para España
  18. Inteligencia artificial
    1. Descripción general
    2. Interés estratégico para España
  19. Sistemas cognitivos y aprendizaje
    1. Definición general
    2. Estado del arte
    3. Interés estratégico para España
  20. Interacción multi-robot
    1. Definición general
    2. Estado del arte
    3. Interés estratégico para España
  21. Interacción robot-humano
    1. Definición general
    2. Estado del arte
    3. Interés estratégico para España

Volver al índice

Diseño y fabricación

Los dos puntos más importantes en el diseño y fabricación de robots es la mejora de la precisión de los robots y la disminución del peso de los mismos intentando mantener o incluso aumentar la resistencia mecánica del sistema.

Materiales:

El avance en la ciencia de los materiales es fundamental para mejorar la precisión de los robots que se usan en procesos industriales o incluso en médicos.

Hay varios estudios lanzados en la actualidad por Facultad de Ciencia y Tecnología del País Vasco, estos estudios se centran en dos tipos de materiales muy prometedores. Por un lado, aleaciones de memoria de forma (SMA) y aleaciones de memoria de forma magnética o ferromagnética (MSM o FSMA). Se trata de materiales nuevos e inteligentes que tienen la capacidad de memorizar su forma.

Las aleaciones de memoria de forma son capaces de “recordar” el tamaño y forma originales incluso después de haber sufrido un proceso de deformación. Por otra parte, las llamadas aleaciones de memoria de forma magnética son materiales ferromagnéticos capaces de soportar grandes transformaciones reversibles en su forma y su tamaño, aplicándoles un campo magnético. A diferencia de lo que ocurre en las aleaciones de memoria de forma, no existen comercialmente y sólo se fabrican en el laboratorio.

Diseño:

Tanto para la realización del diseño conceptual, como para el desarrollo de detalle es imprescindible el uso de herramientas CAD/CAE, las cuales aportan un sistema de diseño que permite obtener tanto el comportamiento físico de la estructura mecánica y sus componentes, a demás de permitir el análisis del comportamiento dinámico del conjunto mecánico ante ciertas situaciones específicas.

El uso de estas herramientas aporta una mejora en el desarrollo y diseño del sistema mecánico, lo que supone la obtención de piezas y conjuntos mecánicos totalmente adaptados a las necesidades, y con una total robustez. A demás, el uso de herramientas CAD integrales permite disminuir el tiempo y acelerar el paso entre herramientas CAD y CAM.

Un punto importante a tener en cuenta en el diseño, es la integración de los componentes y elementos mecánicos, tales como motores, cojinetes, rodamientos, etc. Ya que el grado de precisión a obtener del conjunto montado no depende únicamente de los componentes integrados, sino que aumenta exponencialmente con un mal diseño de integración.

Simulación y programación off-line/on-line

Definición general

Las técnicas de simulación y programación off-line permiten la creación de layouts virtuales y la depuración de los programas de robots fuera de la línea de producción (“off-line”). La validación de los programas y diseños de las instalaciones antes de su implantación proporciona un gran ahorro de tiempo y dinero. Hasta la implantación de la simulación, el diseño de las aplicaciones robotizadas se realizaba en función de experiencias anteriores y con personal muy especializado, con una alta probabilidad de que existieran problemas con trayectorias, colisiones, etc, se precisaban retoques y modificaciones. La simulación y programación off-line proporcionan la reducción del tiempo improductivo del robot, mayor seguridad del operador y generación rápida de programas, permitiendo optimizar los tiempos de ciclo.

Estado del arte

En el mercado de sistemas de simulación (incluyen programación) pueden destacarse los siguientes sistemas comerciales:

  • Robcad, desarrollado por Tecnomatix, comercializado por Siemens
  • Delmia-IGRIP, desarrollado por Deneb Robotics y comercializado por Dassault Systèmes
  • Grasp, de BYG Systems.

Estos programas permiten simular cualquier modelo de robot, aunque también existen sistemas de simulación y programación off-line asociados a un fabricante de robot específico (ABB con Robotstudio, Kuka con KukaSIM, etc…). La mayoría de estos sistemas funcionan ya en plataformas tipo PC bajo Windows. Los usuarios son principalmente los sectores aeronáutico, automoción, ingenierías y centros de investigación.

Últimamente se han realizado desarrollos orientados a incrementar el potencial de la simulación, entrando ya en el campo de la realidad virtual y realidad aumentada, para que el usuario se sienta inmerso en el mundo virtual, permitiéndole nuevas funcionalidades, integrando incluso sistemas hápticos.

Interés estratégico para España

La tecnología de simulación de robots industriales está consolidada y es de amplio uso en grandes empresas españolas. El mercado está dominado por programas en grado de madurez, desarrollados por empresas extranjeras, por lo que no se prevé que se pueda realizar ninguna aportación tecnológica de importancia en este sector. Sin embargo, las nuevas tecnologías mencionadas en el apartado anterior están en vías de desarrollo y despliegue, y su potencial de aplicación se amplía a cualquier tipo de robots y escenarios. Se pueden esperar en España desarrollos de interés por parte de universidades y centros tecnológicos.

Seguridad

Definición general

El concepto tecnológico de seguridad engloba el estudio y desarrollo de métodos de prevención de accidentes, para evitar o al menos reducir daños en personas, máquinas y otros elementos. Dentro del campo de la robótica, en este sentido nos encontramos básicamente dos tipos de elementos. Por un lado, los elementos en el entorno del robot que impiden que objetos o personas inesperadas puedan encontrarse en su área de trabajo y que en tal caso detienen la actividad del robot. Un ejemplo claro son los vallados o las barreras ópticas en las celdas robotizadas. Por otro lado, se encuentran los elementos propios del robot para prevenir o minimizar daños, como pueden ser detectores de proximidad, sistemas de visión, sensores de colisión, etc.
Existen otras medidas adicionales, como pueden ser los procedimientos de seguridad que deben seguirse en ciertas operaciones dentro de la celda. En el caso de la robótica industrial (y posiblemente también en el resto de sectores de la robótica), la mayoría de los accidentes se producen durante las tareas de mantenimiento, programación, puesta en marcha o ajuste de los robots, más que durante su operación de trabajo.

Estado del arte

Actualmente podemos decir que la robótica es segura. Por un lado, las celdas en que trabajan los robots industriales (1 millón de robots en todo el mundo) son seguras, cumpliendo siempre la normativa existente desde hace más de una década (UNE-EN 775:1996). Por otro lado, la gran mayoría de robots de servicios son robots en aplicaciones del hogar (ya hay más de 3 millones) y de entretenimiento (unos 2 millones), que son intrínsecamente seguros al no tener capacidad de producir lesiones de importancia. Los aproximadamente 60.000 robots de servicios profesionales que operan actualmente, son también seguros si bien es en este punto donde hay que prestar más atención en este momento: Son robots con capacidad de velocidad y fuerza elevada, con mayor interacción con personas, con todavía poca experiencia práctica en su seguridad, sin una normativa de seguridad especifica, y por que no, cada vez más inteligentes, lo que también les hace más impredecibles. Aún así, estadísticamente la robótica es segura.
El objetivo de futuro debe ser mantener sobre todo el nivel de seguridad ya alcanzado, lo que no es tarea sencilla dada la tendencia actual de la robótica:

  • En robótica industrial se busca eliminar los elementos externos al robot de modo que operarios y robots puedan llegar a compartir el espacio de trabajo. Proyectos de investigación europeos como SMErobot (FP6) tratan de avanzar en este sentido.
  • En robótica de servicios, el aumento del número y potencia de los robots principalmente en aplicaciones de contacto permanente con humanos (cirugía, ayuda a minusválidos y personas mayores, interacción con niños, vehículos autónomos, etc…) hace necesario adquirir un conocimiento y experiencia que proporcione una normativa cuyo obligatorio cumplimiento asegure la seguridad.

Interés estratégico para España

Se seguirán los siguientes criterios: la tecnología es un nicho de mercado, España puede aportar un salto tecnológico respecto a la tecnología existente o España tiene capacidad para afrontar su desarrollo.
El problema de la seguridad es un problema que debe resolverse de forma conjunta a nivel nacional e internacional. Dada la amplia experiencia que España tiene en el desarrollo de robots, debería formar parte del equipo que guíe los pasos a seguir. Dentro del mercado de la robótica, detectar y desarrollar soluciones que proporcionen seguridad a los robots puede llegar a proporcionar productos de casi obligatorio y no opcional montaje en un robot.

Calibrado

Definición general

La construcción de un robot (o máquina en general) difiere de su modelo ideal, debido a distintos tipos de errores. Las principales fuentes de errores pueden agruparse en dos categorías, la primera en el aspecto fabricación y la segunda en la fase de montaje. La diferencia entre el modelo ideal y el modelo real tendrá una influencia sobre la precisión de los modelos geométricos en los cuales se utilizan siempre los modelos teóricos. El problema es que estos modelos geométricos están incluidos en los algoritmos de control de los robots.

La calibración se puede considerar como la determinación de los parámetros geométricos de un robot en función de los datos de su estado, obtenidos a partir de sensores situados sobre el propio robot, eventualmente a través de medidas externas, por ejemplo, midiendo la posición y orientación del elemento terminal, herramienta o plataforma móvil.

El objetivo siempre es la minimización del error de posicionamiento del manipulador. Para ello, se debe medir:

  • Directamente, mediante una máquina de medición que determinará el posicionamiento “exacto” del manipulador y que se comparará con un posicionamiento supuesto. En este caso, se habla de calibración externa.
  • Indirectamente, por ejemplo, imponiendo restricciones geométricas sobre el manipulador, y verificando que la sensibilidad es coherente con dichas restricciones. En este caso, se habla de calibración bajo restricciones.

Respecto a la calibración, queda mucho por hacer, sobre todo en cuanto a lo metodológico, ya que por ahora todo resulta ser una medida o receta específica para cada máquina.

A continuación se plantea la modelización del manipulador y los tipos de error existentes.

La modelización consiste en encontrar una relación entre los parámetros geométricos del robot y una magnitud que será medida. Dicha magnitud puede ser la posición y/u orientación del elemento terminal, una distancia, la posición de los accionamientos, etc. Según el tipo de medida efectuado, será posible o no identificar el conjunto de parámetros del modelo.

Si se considera como punto de partida que la modelización teórica difiere de la modelización real del manipulador, existen:

a) Errores de origen geométrico: distinguiéndose a su vez, en función de los orígenes, en los siguientes errores:

a.1) Las tolerancias de fabricación y de ensamblado del robot.
a.2) Un fallo en las referencias de los valores articulares.

b) Errores de origen no geométrico: debiéndose tener en cuenta que varios tipos de errores no geométricos pueden deteriorar la precisión del manipulador:

b.1) Flexión, torsión compresión de los elementos frente a la carga aplicada.
b.2) Influencia de la temperatura sobre los materiales que componen el manipulador.
b.3) El juego (mecánico) en las articulaciones. Error difícilmente modelizable y dependiente de la calidad de las articulaciones.

Estado del arte

Si se realiza una búsqueda bibliográfica en el campo de los robots serie, la mayoría de los errores se engloban dentro de los de tipo geométrico. Y en los robots de cinemática paralela, siendo pocas las referencias, y resultando complejos los errores no geométricos, suelen considerarse exclusivamente los de tipo geométrico.

Existen tres métodos destacados de calibración en el ámbito de la cinemática paralela:

1) El método externo: En este método, la plataforma se sitúa en un número finito de posiciones a través de los accionamientos del robot. Seguido se realizan una serie de medidas geométricas con un dispositivo de medida externo. Estos últimos suelen ser del tipo:

  • Medida completa o parcial de la posición y de la orientación de la plataforma móvil.
  • Medida de la distancia entre la plataforma y un punto fijo.

2) El método de restricción: Con este enfoque, se imponen unas restricciones mecánicas al manipulador mediante un sistema o mecanismo de bloqueo. Con estas restricciones, ciertos parámetros geométricos permanecerán constantes durante la calibración y las ecuaciones de restricción describirán la invariancia de dichos parámetros.

3) El método de autocalibración: La autocalibración consiste en que sea el propio manipulador el que realice de forma automática su calibración en su puesta en marcha. Para este último método existen dos enfoques:

  • El manipulador incorpora un número de sensores superior al necesario, o bien redundantes.
  • Un brazo pasivo instrumentado es añadido al manipulador sin alterar el número de grados de libertad del robot.

Interés estratégico para España

Se seguirán los siguientes criterios: la tecnología es un nicho de mercado, España puede aportar un salto tecnológico respecto a la tecnología existente o España tiene capacidad para afrontar su desarrollo.
Se trata de una tecnología en la que España puede aportar un salto tecnológico respecto a la tecnología existente, y desde luego que España tiene la capacidad para poder desarrollarla.

Sensores

Definición general

En la definición de sensores se engloban todos aquellos dispositivos que son capaces de transformar magnitudes físicas o químicas en magnitudes eléctricas. El objetivo de los mismos es realizar una percepción del entorno que permita al robot obtener conocimiento tanto de su propio estado (sensores de medidas internas al robot) como del contexto que le rodea (sensores de medidas externas al robot).

Estado del arte

Realizar un estado del arte detallado de la tipología de sensores actuales es una tarea compleja debido a la diversidad y magnitud de este sector. Así, es posible clasificar los sensores según los siguientes aspectos:

  • Según su emisión energética:
    • Activos. Emiten energía al entorno.
    • Pasivos. Reciben energía de forma pasiva
  • Según su zona de percepción:
    • Estado interno
    • Estado externo
  • Estado de deformación:
    • Por contacto
    • Sin contacto
  • Naturaleza de la señal de salida:
    • Digitales
    • Analógicos
  • Otros tipos de clasificación:
    • Según el comportamiento
    • Según la alimentación
    • Según la funcionalidad
    • Según la tecnología empleada

Los tipos básicos de sensores son:

  • Sensores de luz.
    • LDR, celdas fotovoltaicas, fotodiodos, ccd...
  • Sensores de presión y fuerza.
    • Interruptores, piezo resistencias, robotic skin, galgas extensiométricas...
  • Sensores de sonido.
    • Micrófonos, sonar...
  • Sensores de posición.
    • Acelerómetros, giróscopos, gps, RFID...
  • Sensores de temperatura
    • Termistores, RTD, termopares, pirosensores...
  • Sensores de velocidad
    • Encoder, tacómetros...

Interés estratégico para España

Se seguirán los siguientes criterios: la tecnología es un nicho de mercado, España puede aportar un salto tecnológico respecto a la tecnología existente o España tiene capacidad para afrontar su desarrollo.

De forma complementaria al sector de construcción física de sensores, es necesario resaltar la importancia que cobra la fusión e integración sensorial, con el objetivo de combinar las lecturas procedentes de diferentes sensores en una estructura de datos uniforme.

Dispositivos hápticos

Definición general

Por háptico se entiende la exploración del entorno cercano al cuerpo utilizando el propio cuerpo. Lo cual, en las personas, implica básicamente el uso de los receptores táctiles y propiceptivos para la exploración del entorno. Por extensión se entienden como dispositivos hápticos aquellos sistemas que hacen uso del contacto para explorar su entorno cercano. De esta forma quedan excluidos como dispositivos hápticos otros sistemas (como los escáneres laser) que también podrían quedar dentro de la definición original.

También se entienden como sistemas hápticos aquellos sistemas que pretenden reproducir una "sensación háptica" en el usuario, es decir que usan los canales del tacto y de la propiocepción para proporcionar información a una persona que está realizando una exploración. Buenos ejemplos comerciales de esta aproximación son Phantom y HapticMaster.

Los que podríamos llamar sistemas de exploración háptica serían pues aquellos sistemas que utilizan sensores de contacto para obtener información del entorno. Mientras que los sistemas de reprodución háptica son aquellos sistemas que utilizan realimentación de fuerza y presión para producir una sensación háptica en el usuario.

Estado del arte

Por lo que respecta a los sistemas de exploración háptica se trata de un conjunto de tecnologías que se han venido utilizando prácticamente desde la existencia de sistemas robóticos industriales. Las tecnologías más ampliamente utilizadas son las basadas en extensometría y en interruptores de contacto, sobretodo en el extremo de los manipuladores. También está muy extendido el uso de sistemas de registros de presiones basados en materiales piezorresistivos y piezocapacitivos.

Por lo que respecta a los sistemas de reproducción háptica, el uso de sensores para la realimentación coincidiría con los ya comentados en los sistemas de exploración háptica. En la actualidad existen dos tipos básicos de sistemas los anclados al suelo y los sistemas para llevar puestos (del inglés wearable systems).

En los sistemas anclados al suelo la reproducción háptica se suele hacer mediante la aproximación del lápiz: la parte del sistema con la que se interacciona funciona, de manera aproximadada, a un lápiz (un pincel o un buril) que nos permite tocar distintos objetos y sentirlos hápticamente. La sensación de forma y de la deformación se transmite mediante una realimentación en fuerza (que en ocasiones se utiliza como sinónimo de háptico), mientras que la sensación de textura se transmite mediante vibradores.

Como se ha comentado en el apartado 1. Existen sistemas comerciales, en el caso de Phantom es un interfaz de ordenador pensado como sistema de ayuda al diseño por ordenador (para moldear). En el caso de Haptic Master está pensado como una plataforma genérica y abierta.

Se da la circunstancia de que ambos (Haptic Master y Phantom) han sido utilizados como sistemas de robótica de rehabilitación. En concreto, de ambos existen aproximaciones para la supresión del temblor. Además, Haptic Master se ha utilizado dentro del proyecto europeo Gentle como sistema de rehabilitación para pacientes tras ictus.

En los sistemas para llevar puestos la aproximación más empleada suele ser emplear distintas formas de contacto con la mano del usuario para transmitir la sensación de sujeción, si bien estos sistemas se ven limitados al no ser capaces de transmitir la sensación de peso.

La aproximación de la realimentación en fuerza propia de los sistemas hápticos se ha empleado en el diseño de WOTAS un exoesqueletos para la supresión del temblor.

Finalmente, durante los últimos años, se han introducido nuevas aproximaciones como las llamadas arcillas digitales, sistemas modeables que son capaces de cambiar de forma y de sentirse como materiales distintos.

Interés estratégico para España

Tanto lo que se ha denominado sistemas de exploración háptica como los sistemas de reproducción háptica son todavía, a día de hoy, tecnologías emergentes en las que se han explorado distintas soluciones que resuelven los problemas planteados de manera parcial. En este sentido, las tecnologías hápticas son susceptibles de convertirse en elementos estratégicos para España, en el que se han hecho progresos en algunos ámbitos (como el citado WOTAS en el estado del arte).

En los sistemas de exploración háptica sigue siendo un reto el diseño de sistemas robóticos que tengan sistemas táctiles y propiceptivos complejos que puedan discernir patrones de contactos relacionados con aspectos de seguridad del propio sistema y con aspectos de computación afectiva.

En los sistemas de reproducción háptica los sistemas actuales siguen dando una información muy somera del contacto háptico. Además la disociación vista-tacto dificulta extremadamente la sensación de realidad en el contacto. Determinadas aproximaciones de realidad virtual, así como las ya comentadas arcillas digitales, pretenden minimizar estos inconvenientes, pero ambas se encuentran relativamente lejanas de las soluciones comerciales.

Motores y controladores de motor

Definición general

Los motores y los controladores de motor son dispositivos habituales en las aplicaciones robóticas.
Un controlador de motor es un dispositivo que se encarga de controlar el movimiento realizado por un motor, intentando maximizar la eficiencia de éste a la vez que minimiza las desviaciones respecto a las premisas preestablecidas (posición, velocidad, par, etc.) por el usuario.
La siguiente figura muestra el diagrama lógico de funcionamiento de un sistema formado por un conjunto motor, controlador y carga:

El bloque de excitación o potencia, proporciona al motor la corriente necesaria para que éste la convierta en movimiento o lo que se conoce como par motor.
El bloque o sistema de feedback se encarga de obtener y entregar al bloque de control la información asociada al resultado de aplicar una corriente al motor. Éste puede utilizarla para modificar la excitación del motor en consecuencia.
El bloque de control utiliza la información proporcionada por el sistema de feedback para gobernar el bloque de potencia.

Estado del arte

Aunque la tecnología de actuadores (motores y controles) es sólida y está bastante avanzada, en algunos países se estan empezando a orientar el desarrollo de motores y controladores de motor, a los requisitos tecnológicos específicos de los diversos sectores y entornos de la robótica.

Manipulación

Definición general

Un manipulador es un mecanismo formado generalmente por elementos en serie, articulados entre sí, destinado al agarre y desplazamiento de objetos. Es capaz de mover materias, piezas, herramientas, o dispositivos especiales, según trayectorias variables programadas para realizar tareas diversas. Además es multifuncional y puede ser gobernado directamente por un operador humano o mediante un dispositivo lógico.

Estado del arte

Son sistemas mecánicos multifuncionales que con un sencillo sistema de control permite gobernar el movimiento de sus elementos de los siguientes modos:
1. Manual: Cuando el operario controla directamente la tarea del manipulador.
2. De secuencia fija: cuando se repite, de forma invariable, el proceso de trabajo preparado previamente.
3. De secuencia variable: Se pueden alterar algunas características de los ciclos de trabajo.
Existen muchas operaciones básicas que pueden ser realizadas óptimamente mediante manipuladores, por lo que se debe considerar seriamente el empleo de estos dispositivos, cuando las funciones de trabajo sean sencillas y repetitivas.
En la actualidad, las herramientas para manipulación son diseñadas para lidiadar con una tareas muy concretas. En las grandes fabricas con procesos de fabricación en linea la tecnología existente cumple satisfactoriamente con la mayoría de las necesidades de sus procesos de fabricación.
Por el contrario, existe un convencimiento general de que los robots manipuladores podrían ayudar a automatizar procesos industriales de diversa naturaleza en fabricas y talleres de menores dimensiones. Sin embargo, el elevado coste que supone un robot en general hace que sea imposible que sea rentable a menos que este pueda ayudar en muchos procesos de diferente naturaleza. Es por ello que la tendencia actual es diseñar herramientas más versátiles capaces de mover manipular objetos de muy diferente naturaleza.

Interés estratégico para España

Se seguirán los siguientes criterios: la tecnología es un nicho de mercado, España puede aportar un salto tecnológico respecto a la tecnología existente o España tiene capacidad para afrontar su desarrollo.
Hoy en dia, los grandes fabricantes extranjeros de robots manipuladores y herramientas de manipulación abarcan la mayor parte del mercado. No parece que exista muchas oportunidades para las empresas españolas en la fabricación de este tipo de productos aunque si que existe la posibilidad de abrirse mercado en la instalación, puesta en marcha y mantenimiento de herramientas de manipulación.
Actualmente existe lineas de investigación abiertas para crear manipuladores antropomorficos. Es fácil encontrar justificación para ello ya que la mano humana es la herramienta mas versátil que conocemos para realizar tareas de manipulación. Existen varios proyectos europeos puestos en marcha dentro de la Unión Europea que investigan en esta línea y en los que centros de investigación españoles participan. Llegar a desempeñar tareas de manipulación semejantes a la que son capaces de realizar los humanos es un reto que sin duda revolucionará la industria permitiendo automatizar procesos que nunca antes habían podido ser automatizados. Sin duda alguna se debe apoyar a pymes y centros de investigación españoles para que lideren el desarrollo innovativo de esta tecnología.

Ingeniería software

Definición general

La ingeniería del software hace referencia a como se organizan los distintos elementos software que constituyen una aplicación, definiendo sus funcionalidades, interfases y forma de comunicación entre ellos. En el caso de la robótica, la ingeniería debe aportar las herramientas suficientes que permitan desarrollar de manera fácil tanto la implementación de aplicaciones finales como la interacción con los elementos hardware embarcados en un robot.

Estado del arte

La Ingeniería Software aplicada a la robótica, de forma general, se apoya en los siguientes paradigmas:

  • Programación orientada a objetos, gestores de objetos
  • Paradigma cliente/servidor
  • Comunicaciones, tecnologías middleware
  • APIS
  • Web services

Las aportaciones más novedosas de la Ingeniería del Software que pueden contribuir el desarrollo de software para robótica son CBD (Component Based Development) que busca contar con componentes software independientes y que se puedan “ensamblar” como los componentes hardware y MDE (Model Driven Engineering), que propone elevar el nivel de abstracción del diseño del software hasta un nivel de “modelo”, de forma que el diseñador se pueda abstraer de los detalles de implementación y se centre más en el propio diseño, contando con herramientas de transformación automática de los modelos hasta los lenguajes de implementación. Pueden consultarse algunas reflexiones sobre estos y otros paradigmas de la Ingeniería de Software influyentes para la robótica en el número especial dedicado Software Engineering for Robotics de Robotics Automation Magazine vol 16, 2009. Desde EURON también se incide en la importancia de la Ingeniería del Software para la robótica, resaltando que el software abierto tiene mucho que aportar en este sentido http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=4476319

Interés estratégico para España

Se seguirán los siguientes criterios: la tecnología es un nicho de mercado, España puede aportar un salto tecnológico respecto a la tecnología existente o España tiene capacidad para afrontar su desarrollo.

Puesto que los robots son sistemas "intensivos en software", la robustez en su funcionamiento y su capacidad para interaccionar con el entorno dependen en gran medida de la manera en que se diseñe su software, no sólo el que implementa los algoritmos, sino también el que gobierna su comportamiento global. Por ello, la ingeniería software sí es estratégica y fundamental, y puede constituir un nicho de mercado importante. España cuenta con capacidad en cuanto a conocimientos para aportar soluciones software, si bien no se prevé un salto tecnológico importante.

Integración de sistemas

Definición general

La integración de sistemas en robótica implica el desarrollo de subsistemas y tecnologías de forma coordinada para lograr que en su conjunto el sistema obtenga las funcionalidades deseadas. El desarrollo de la robótica implica la integración y desarrollo de tecnologías de diferentes campos como son la mecánica, electrónica, automática, informática, neurociencia, inteligencia artificial, y ciencia de los materiales entre otras. La integración parte del desarrollo modular de los sistemas, embebiendo hardware y software, lo que facilita el control de dependencias, reduce los costos de mantenimiento e incrementa la flexibilidad y mantenimiento.

Estado del arte

La tendencia en los últimos años es el desarrollo de sistemas basados en componentes que evita el tener que desarrollar las aplicaciones desde el principio cada vez que se quiere abordar el desarrollo de un sistema robótico. Una de las principales limitaciones en el estado del arte de la integración de sistemas es la falta de un marco de referencia y unificada que permita describir y analizar la coordinación entre componentes. Se pueden destacar Player, Carmen, Microsoft Robotic Studio, ,Pyro, Marie, Orca, etc. Una descripción de diferentes paradigmas Middleware and Frameworks puede encontrase en http://wiki.robot-standards.org/index.php/Current_Middleware_Approaches_and_Paradigms y el número especial dedicado Software Engineering for Robotics de Robotics Automation Magazine vol 16, 2009.

Interés estratégico para España

La tecnología es estratégica por si dada la importancia que tiene la integración de sistemas para el desarrollo de robots. Diferentes grupos de investigación españoles están contribuyendo al desarrollo de diferentes paradigmas y frameworks de integración, y tienen capacidad para afrontar su desarrollo.

Arquitecturas de control

Definición general

Se define arquitectura como la estructura o estructuras en las que se organiza un sistema, lo cual incluye, sus componentes con las propiedades externamente visibles de los mismos, las relaciones entre estos componentes y con su entorno, y los principios que gobiernan su diseño y evolución [IEEE Std-1471-2000]. En particular, para un sistema robótico, su arquitectura de control describe qué clase de elementos lo componen (software, lenguajes, modelos de ejecución, modelos de control, modelos de comunicación, hardware, etc.), cómo están conectados (lógica y físicamente), y cómo interactúan.

Disponer de tales arquitecturas facilita enormemente el desarrollo de nuevas aplicaciones fiables y de calidad, pues permite, la reutilización de modelos y componentes y ofrece un marco para el desarrollo de los mismos. De este modo se pueden reducir costes al reducir el tiempo de desarrollo reutilizando componentes ya probados.

Hoy en día se busca cada vez arquitecturas modulares que permitan construir nuevos sistemas robóticos versátiles y conectables (“plug-and play”), basados en el desarrollo de arquitecturas abiertas con hardware estándar y bloques de software reutilizables.

Estado del arte

A partir de los años 80 se desarrollaron una serie de arquitecturas para estructurar el software de control de un robot [Arkin98], [Coste00], con la esperanza de alcanzar una arquitectura única que pudiera ser utilizada en cualquier robot. Así, se proponen:

  • Arquitecturas deliberativas [Nilsson80]. También denominadas «Sensor-Plan-Acción», estas arquitecturas fueron las primeras en ser desarrolladas y su diseño está influido en gran manera por el ciclo de control de los actuadores del robot.
  • Arquitecturas reactivas [Brooks86]. El control reactivo está basado en los modelos de inteligencia de algunos animales: el movimiento del robot se descompone en una serie de comportamientos simples que, una vez combinados, dan lugar al comportamiento global, en vez de ser este obtenido como resultado de un proceso deliberativo.
  • Arquitecturas híbridas [Bonasso97]. Las arquitecturas híbridas fueron el siguiente paso en la evolución natural de la arquitectura. Está formada por controladores reactivos en lazo cerrado, un módulo deliberativo más lento para planificar y activar distintos comportamientos y un mecanismo secuenciador que conecta ambas capas.

Tras constatar la imposibilidad de diseñar una arquitectura única para desarrollar el software de control de cualquier robot, a mediados de los noventa comenzaron a surgir diferentes frameworks de control de robots que proporcionan una serie de componentes prediseñados que aportan la funcionalidad típica de las aplicaciones del dominio, tanto de comunicación con el hardware del robot (distintos tipos de sensores y actuadores) como los algoritmos más utilizados (localización, seguimiento de trayectorias, generación de mapas, etc.). Entre los frameworks y arquitecturas de control actualmente disponibles cabe destacar los siguientes:

  • El proyecto OROCOS(Open RObot COntrol System). Conjunto de librerías y utilidades escritas en C++ para realizar el control de robots y utiliza el sistema operativo de libre distribución GNU/Linux. El objetivo principal de OROCOS es proporcionar un framework de componentes, con interfaces bien definidas, que puedan combinarse entre sí para conseguir la arquitectura más adecuada para cada aplicación.
  • La arquitectura CLARAty de la NASA. Framework robótico orientado a objetos para diseñar la arquitectura de control software de los distintos vehículos de exploración espacial y que fuera capaz de reutilizar, sin mucho esfuerzo, algoritmos previamente definidos. CLARAty define una arquitectura dividida en dos capas: la capa funcional (funcionalidad básica reutilizable para realizar el control) y la capa deliberativa (control de alto nivel del robot).
  • CARMEN del Software Engineering Institute (SEI). Proporciona a los desarrolladores de robots un conjunto consistente de interfaces y de primitivas de control que sean fácilmente intercambiables entre distintos grupos y que permitan desarrollar prototipos rápidamente. CARMEN fuerza una arquitectura híbrida en tres capas.

Se puede ampliar esta clasificación en http://wiki.robot-standards.org/index.php/Comparison_and_Evaluation_of_Middleware_and_Architecture y en http://wiki.robot-standards.org/index.php/Current_Middleware_Approaches_and_Paradigms
Las aportaciones más novedosas de la Ingeniería del Software que pueden contribuir el desarrollo de nuevas arquitecturas y frameworks robóticos son CBD (Component Based Development) que busca contar con componentes software independientes y que se puedan “ensamblar” como los componentes hardware y MDE (Model Driven Engineering), que propone elevar el nivel de abstracción del diseño del software hasta un nivel de “modelo”, de forma que el diseñador se pueda abstraer de los detalles de implementación y se centre más en el propio diseño, contando con herramientas de transformación automática de los modelos hasta los lenguajes de implementación. Puede consultarse el artículo [Iborra09] en el número especial sobre Ingeniería del Software en el número especial dedicado Software Engineering for Robotics de Robotics Automation Magazine vol 16, 2009.

Interés Estratégico para España

Actualmente no se puede decir que se hayan conseguido arquitecturas de control o frameworks ampliamente aceptados y que solucionen los problemas de diseño de robots fiables, robustos y con componentes software reutilizables en otros diseños. Como se ha expuesto en los párrafos anteriores son estratégicos para desarrollar de forma más rápida y fiable, y por tanto, más competitiva nuevos robots, aportando un cambio tecnológico fundamental para que los robots puedan estar más presentes en el mercado, interaccionando con los seres humanos de forma más segura y autónoma, un objetivo de mercado fundamental que ya impulsa la Unión Europea en sus proyectos financiadores. Podemos concluir que si España quiere avanzar en el campo de la robótica, es imprescindible también contribuir en el diseño de tales arquitecturas y frameworks. Hay varios centros de investigación en España que participan en proyectos europeos y nacionales en este campo, por tanto existe la capacidad de influir, participar y porqué no, liderar este campo.

Bibliografía

[Arkin98] Arkin, R.: Behavior-Based Robotics (Intelligent Robotics and Autonomous Agents). The MIT Press, 1998. ISBN 0262011654.

[Coste00] Coste-Manière, E. y Simmons, R.: «Architecture, the Backbone of Robotic Systems». Proceedings of the 2000 IEEE International Conference on Robotics & Automation, pp. 67–72. IEEE, 2000.

[Iborra09] A. Iborra, D. Alonso, F. Ortiz, J.A. Pastor, P. Sánchez, B. Álvarez. «Experiences using Software Engineering in the design of Service Robots». IEEE Robotics and Automation Magazine, special issue on Software Engineering for Robotics, vol.16, nº1, pp.24-33. March 2009.

[IEEE Std 1471-2000] The IEEE 1471-2000 Standard, “IEEE Recommended Practice for Architectural Description of Software-Intensive Systems”. The Institute of Electrical and Electronics Engineers, Inc. New York, USA. Septiembre 2000

[Nilsson80] Nilsson, N.: Principles of Artificial Intelligence. Morgan Kaufmann Publishers, 1980. ISBN 0934613109.

[Brooks86] Brooks, R.: «A robust layered control system for a mobile robot». IEEE Journal of Robotics and Automation, 1986, 2(1), IEEE Computer Society. ISSN 0882-4967.

[Bonasso97] Bonasso, R.; Firby, J.; Gat, E.; Kortenkamp, D.; Miller, D. y Slack, M.: «Experiences with an Architecture for Intelligent, Reactive Agents». Journal of Experimental & Theoretical Artificial Intelligence, 1997, 9(2/3), Taylor and Francis Ltd. ISSN 0952-813X. doi: 10.1080/095281397147103.

Tele-operación

Descripción general

Un sistema teleoperado es aquél que permite gobernar un robot slave (controlar su movimiento y la fuerza ejercida) ubicado en una zona remota a través del manejo de un robot master localizado en el punto de trabajo del operador. Así, el movimiento del slave debe ser predecible a partir de los movimientos que el operador provoca en el master, es decir, el operador debe comprender de manera muy intuitiva cómo mover el master para conducir al slave por una determinada trayectoria y además realizar las labores o trabajos requeridos. Normalmente existe un lazo interno de realimentación que hace que los robots se comporten de manera lineal, típicamente como un sistema masa+amortiguador. Entre ambos subsistemas se establece un algoritmo de control que permita conseguir el mayor grado posible de telepresencia, es decir, que permita al operador realizar tareas con tanta destreza como si manipulara directamente el entorno.

Estado del arte

Actualmente podemos ver el uso de técnicas de teleoperación con realidad virtual y aumentada que permiten una gran telepresencia gracias a los dispositivos hápticos y la evolución de las comunicaciones. Así, hoy en día podemos hacer uso de las herramientas de telepresencia para observar un proceso en el otro lado del mundo.Los campos de aplicación más significativos de la Teleoperación son los siguientes:

  • Espaciales: las aplicaciones en el espacio utilizan la teleoperación como técnica de manipulación remota para obtener una seguridad, dado que pueden ocasionar la muerte para los astronautas, un costo, debido a que el equipo necesario para pasajeros humanos es mucho más caro y pesado que un sistema de teleoperación y un tiempo, porque muchas misiones duran muchos años para lograr sus objetivos. Además, aparecen los retardos temporales en las comunicaciones. Los robots desarrollados para este tipo de aplicaciones realizan sobre todo tareas de experimentación y exploración planetaria, mantenimiento y operación de satélites, construcción y mantenimiento de estaciones espaciales.
  • Industria nuclear: la teleoperación se utiliza con el fin de poder tratar y manipular sustancias radiactivas, así como moverse por entornos contaminados, sin peligro para el ser humano. Sus principales aplicaciones son manipulación y experimentos con sustancias radioactivas, operación y mantenimiento de instalaciones y descontaminación.
  • Submarinas: la mayoría de los manipuladores van sobre un ROV teleoperado. La utilidad de estos sistemas está en la posibilidad de acceder a zonas y profundidades donde le es imposible o peligroso a un submarinista. Entre otras aplicaciones hay inspección, mantenimiento y construcción de instalaciones submarinas, minería submarina, e inspección de suelo marino.
  • Militares: la mayoría de las tecnologías de teleoperación móvil fueron desarrolladas. Algunas aplicaciones son sistemas de monitorización remota, los UAV (vehículos para vigilancia, adquisición de objetivos militares, detección de enemigos, reconocimiento,…), y los UGV.
  • Medicas: actualmente se ha entrado con fuerza en la utilización de las tecnologías de la teleoperación al sector médico. Se están realizando los primeros desarrollos de prótesis o dispositivos de asistencia a discapacitados e incluso está emergiendo un nuevo campo como es la telecirugía, o el telediagnóstico.

Cabe destacar, por último, un campo emergente que tiene muchas aplicaciones, es la teleprogramación de robots industriales, debido a la complejidad en los sistemas de planificación de movimientos para evitar colisiones la programación de robots se debe realizar insitu. Hoy por hoy se disponen de las herramientas para obtener mucha información del lugar remoto en el que trabaja el robot pudiendo ser utilizada para programar dichos robots.

Interés estratégico para España

La tecnología es estratégica para España dada la importancia que tiene tanto la teleoperación como la telepresencia y la teleprogramación con robots en todo tipo de ambientes y situaciones peligrosas.

Comunicaciones

Definición general

Las tecnologías de comunicación en robótica, son todas aquellas técnicas utilizadas para transmitir información entre dos o mas sistemas. A lo largo de los años se han diseñado e implementado diversos sistemas de comunicación utilizados en el campo de la robótica. En muchos casos estos sistemas se han desarrollado partiendo de tecnologías existentes utilizadas en diferentes desarrollos electrónicos y adaptados para el control de robots. Los sistemas de comunicación en robótica suelen estar definidos por dos grandes rasgos, la tecnología utilizada para la transmisión de información y el protocolo que utilizan los sistemas conectados.

Mientras que la tecnología utilizada para la transmisión de datos se refiere al medio por el cual viajan los datos por ejemplo cable, ondas de radio, luz infrarroja, etc. El protocolo se refiere al formato de intercambio de datos que utilizan los sistemas comunicados y es el que permite que la información pueda ser entendida por los diversos sistemas.

Estado del arte

Los sistemas de comunicaciones utilizados actualmente en robótica son muchos y muy variados, atendiendo al medio de transporte de la información pueden ser clasificados en comunicaciones por cable e inalámbricas.

Sistemas Inalámbricos

Dentro de estos sistemas es posible encontrar muchas opciones para el intercambio de datos entre las cuales vale la pena destacar:

Sistemas basados en transmisión de señales analógicas: Estos sistemas funcionan transmitiendo comandos de referencias desde una estación transmisora hacia un receptor embarcado en el robot, el cual genera una serie de señales PWM en función de dichas referencias, estas señales de PWM son utilizadas a su vez para controlar servo motores que pueden estar asociados a los grados de libertad del robot, de forma que estos se mueven de acuerdo a esta referencias. Este sistema es utilizado principalmente en la robótica de entretenimiento y aunque generalmente es utilizado para teleoperación se le pueden transmitir al robot comandos simples utilizado diferentes combinaciones de señales.

Radiomodems: Los radiomodems permiten crear un enlace inalámbrico entre dos o más dispositivos como computadores, terminales o controladores. En comunicación por radiomodem se utiliza una técnica de multiplexación denominada FDMA/TDMA para compartir de forma eficiente el espectro radioeléctrico de forma que en cada subcanal radio (FDMA) se transmiten diferentes slots de tiempo (TDMA). El tipo de conexión entre equipo y radiomodem suele ser de tipo ethernet, RS232 o RS422/485. Los rangos de frecuencias y baudios de transmisión más utilizados son:

    860-870 Mhz. hasta 32400 baudios 
    900-920 Mhz hasta 32400 baudios 
    400-470 MHz. hasta 19200 baudios 
    200-270MHz hasta 9600 baudios 

Comunicaciones “bluetooth”: esta es una especificación industrial que posibilita la transmisión de datos entre diferentes dispositivos mediante un enlace por radiofrecuencia (2,4 GHz.).

Wi-fi: Es un sistema de envío de datos sobre redes computacionales, el cual disfruta de una gran aceptación internacional debido a que esta ampliamente difundido y puede alcanzar velocidades de transmisión de hasta 54 Mbps. Sin embargo su cobertura no supera los 100 metros y por eso es poco utilizado para sistemas móviles en exteriores o entre estaciones robótica muy separadas entre si.

WiMax: Es un concepto parecido a Wi-Fi pero con mayor cobertura y ancho de banda. WiMax son las siglas de ‘Worldwide Interoperability for Microwave Access’, y es la marca que certifica que un producto está conforme con los estándares de acceso inalámbrico. En definitiva, WiMax es un Wi-Fi de alta potencia lo que le posibilita llegar sin cables hasta una distancia de 50-60 km.

UMTS: Es un sistema de telefonía netamente digital, nació con el objetivo de ser un sistema multi-servicio y multi-velocidad, esto quiere decir que tiene suficiente flexibilidad para poder adaptarse a transmisiones de datos de diferentes velocidades y requisitos distintos, incluso permite el acceso de diversas conexiones de distintos servicios simultáneamente. Tiene una banda ancha de 5MHz, lo cual hace posible transferir datos a velocidades de similares al ADSL o cablemodem.

Comunicaciones Satelitales

 

Comunicaciones por Cable

Dentro de estos sistemas en robótica se suelen encontrar mayormente sistemas de comunicación de los siguientes tipos:

Estandar RS-232: La interfaz RS-232 está diseñada para distancias cortas, de hasta 15 metros segun la norma, y para velocidades de comunicación bajas. A pesar de ello, muchas veces se utiliza a mayores velocidades con un resultado aceptable. La interfaz puede trabajar en comunicación asíncrona o síncrona y tipos de canal simplex, half duplex o full duplex. Este estandar es probablemente el tipo de comunicación por cable mas utilizado y a traves de este es posible control un sin fin de dispositivos.

I2C: Es un bus de comunicaciones serie cuya velocidad puede alcanzar hasta 3.4 Mbit/s. Es un bus muy usado en la industria, principalmente para comunicar microcontroladores y sus periféricos en sistemas integrados (Embedded Systems) y generalizando más para comunicar circuitos integrados entre si que normalmente residen en un mismo circuito impreso. La principal característica de I²C es que utiliza dos líneas para transmitir la información: una para los datos y por otra la señal de reloj.

Bus CAN: Es un protocolo de comunicaciones basado en una topología bus para la transmisión de mensajes en ambientes distribuidos, el cual además ofrece una solución a la gestión de la comunicación entre múltiples ordenadores. Al ser una red multiplexada, reduce considerablemente el cableado y elimina las conexiones punto a punto,excepto en los enganches. Es un protocolo ampliamente difundido ya que es el que se utiliza en los coches para la transmisión de información.

Interés estratégico para España

Se seguirán los siguientes criterios: la tecnología es un nicho de mercado, España puede aportar un salto tecnológico respecto a la tecnología existente o España tiene capacidad para afrontar su desarrollo.

Esta tecnología es claramente estratégica ya que como se ha visto en los últimos años esta tecnología por si sola se ha hecho con su propio renglón en el sector económico mundial. En este caso España ademas cuenta con la ventaja de tener empresas muy poderosas dentro del sector las cuales hacen grandes inversiones en tecnología permitiendole estar bastante adelantada en este campo.

Movilidad

Definición general

Hay una amplia gama de diferentes sistemas que pueden aportar movilidad a un robot dependiendo del ámbito en el que se mueva, bien sea terrestre, en el agua, en el aire o en el espacio. La tecnología generalmente se usa para desplazarse de un punto a otro, pero también se puede utilizar para mantener una cierta posición cuando existen fuerzas externas actuando sobre el robot que el robot mismo tiene que contrarrestar. Igualmente influyen las velocidades típicas necesarias y las características del entorno.

Estado del arte

La tecnología de la movilidad está avanzando en muchos frentes, sobre todo para alcanzar accesibilidad a entornos complicados y difíciles o bien para tener mayor eficacia. Especialmente interesantes son los sistemas biomiméticos que, por ejemplo, tienen patas o ejercen movimientos ondulados típicos de una culebra y que ofrecen mucha mayor accesibilidad en el ámbito terrestre. Robots escaladores igualmente están usando tecnologías especialmente dedicadas a aplicaciones muy concretas. Los sistemas robotizados en el agua también son objeto de estudio para los sistemas biomiméticos quienes pueden ofrecen una mayor eficacia frente a los tradicionales sistemas de propulsión. Robots UAVs, cada vez más frecuentes, ofrecen una buena plataforma para la demostración de alternativas aerodinámicas en su forma de control de vuelo.

Interés estratégico para España

Se seguirán los siguientes criterios: la tecnología es un nicho de mercado, España puede aportar un salto tecnológico respecto a la tecnología existente o España tiene capacidad para afrontar su desarrollo.
Todas aquellas tecnologías relacionadas con industrias tradicionalmente fuertes en España siguen siendo interesantes. Éste puede ser el caso de las tecnologías aeroespaciales. Por su interés geográfico, la tecnología de movilidad en el agua (tanto en superficie como sumergido) es igualmente interesante. Por otro lado, la tendencia de ofrecer sistemas cada vez más especializados a una cierta aplicación (robots que se mueven en fachadas, por tuberías, etc.) ofrece muchas oportunidades en el campo de los servicios profesionales.

Energía – Autonomía

Definición general

Se trata de analizar aquí las distintas fuentes de potencia de las tecnologías robóticas, centrándonos en aquellas plataformas robóticas móviles que requieran de un sistema de suministro energético autónomo y móvil (ligero y no conectado). Las combinaciones de baterias más fuentes de energías alternativas (solares y biomasa) con algunos combustibles o fuentes a partir de gasoil e hidrógeno deberían ser las referencias fundamentales.

Estado del arte

  • energía solar fotovoltáica
  • baterías para sistemas robóticos y móviles
  • hidrógeno aplicado en pequeña escala y otras pilas de combustibles
  • cortacéspedes solares
  • baterías de insectos y ethanol

Interés estratégico para España

Se seguirán los siguientes criterios: la tecnología es un nicho de mercado, España puede aportar un salto tecnológico respecto a la tecnología existente o España tiene capacidad para afrontar su desarrollo.

En España sí somos capaces de afrontar estos desarrollos, y en energías renovables ya lo estamos haciendo con centros como CENER o CIESOL, aunque en otras escalas de producción. Es factible lograr un avance tecnológico de miniaturización y almacenamiento sostenible para las plataformas robóticas. También está claro que los beneficios de este mercado no serían exclusivos del sector que nos ocupa, sino que seguramente su aplicación se volvería transversal a otros muchos sectores presentes en el Estado.

Planificación, navegación, localización y modelado del entorno

Definición general

Se define navegación como la metodología que permite guiar el curso de un robot móvil a través de un entorno con obstáculos.
La navegación robótica es un área de investigación y aplicación muy importante dentro de la Inteligencia Artificial en la computación cognitiva.

La complejidad de la navegación de un robot móvil depende principalmente del tipo de arquitectura de control elegida. Por un lado las arquitecturas reactivas, más simples, permiten una navegación basada exclusivamente en la percepción sensorial y ejecución de comportamientos simples. Sin embargo no permiten tareas complejas de navegación. Por otro lado las arquitecturas deliberativas permiten una planificación a alto nivel de las maniobras del robot. Últimamente prolifera la utilización de controladores mixtos que aprovechan las virtudes de cada uno de ellas. Para el caso de las arquitecturas parcial o totalmente deliberativas, el conocimiento del entorno por donde el robot navega resulta imprescindible.

Los mapas a priori del entorno están raramente disponibles y cuando lo son, estos pueden presentar imprecisiones o estar incompletos. De esta forma lo deseable sería una construcción automática del entorno donde el robot va a navegar, convirtiéndose hoy en día en una importante vía de investigación de la robótica móvil. Otro aspecto a tener en cuenta es la estimación de la posición del robot en su entorno. Muchos autores asumen que la localización del robot móvil es estimada de forma precisa por la odometría. Sin embargo se considera sobradamente probado que para recorridos no cortos y donde existan numerosos giros (que es lo habitual) se hace necesario la corrección de la posición dada por la odometría.

Generalmente los robots móviles van equipados con distintos tipos de sensores para eludir las limitaciones ocasionadas por el uso de un solo tipo para la reconstrucción del entorno. Con esto, el uso de algoritmos de fusión sensorial permite obtener mejores resultados combinando datos de distintos sensores.

Información de diferentes sensores midiendo el mismo objeto del entorno permiten obtener una estimación del mismo más fiable y reducir la incertidumbre en la medida. Cuando además se utilizan sensores de distinta naturaleza y que resulten complementarios estas ventajas de fiabilidad en la medida se ven incrementadas.

Estado del arte

Existen varios paradigmas de Inteligencia Artificial (IA) entre los diferentes tipos de arquitecturas para el control de la autónoma de agentes robóticos móviles [4], [9]. Por un lado esta la navegación enmarcada en el contexto de las arquitecturas reactivas, las cuales se basan en el logro de metas de desplazamiento del robot como una consecuencia de acciones estímulo-respuesta. Generalmente estas arquitecturas están fundadas en modelos de procesamiento de información masivamente paralela, tal como es el caso de las redes neuronales artificiales (RNA). Aunque las técnicas reactivas poseen la ventaja de la rapidez de procesamiento de información y la velocidad de reacción, las mismas están limitadas en cuanto a la complejidad de las tareas que el robot pueda abordar debido a que no puede manejar aquellas que requieren planificación [11].

Por otro lado, se encuentran en el área de sistemas inteligentes, las arquitecturas clásicas, las cuales implican el empleo de técnicas de razonamiento para decidir acciones del agente robótico en base a un modelo del entorno. En este caso, el procesamiento de la información por parte del agente inteligente se realiza en forma secuencial. Así, el robot actúa operando sobre el ambiente de navegación en función de las modificaciones que se producen en el modelo interno que este posee del entorno. Estas técnicas clásicas implican esquemas de razonamiento en alto nivel en base a resultados intermedios que emergen de los cambios experimentados en el ambiente de navegación del robot. Este paradigma, si bien permite afrontar requerimientos de desempeño complejos por parte del agente, tiene una velocidad de procesamiento de la información sustancialmente menor que con las técnicas reactivas. Una de las técnicas clásicas ampliamente utilizada es el Aprendizaje Automático (AA) [8].

Para medir la performance de los paradigmas se ha de desarrollar un proceso de simulación donde se debe considerar un modelo tanto del robot como del entorno en el cual pueda interactuar éste.

Las tareas involucradas en la navegación de un robot móvil son: la percepción del entorno a través de sus sensores, de modo que le permita crear una abstracción del mundo; la planificación de una trayectoria libre de obstáculos, para alcanzar el punto destino seleccionado; y el guiado del vehículo a través de la referencia construida. De forma simultánea, el vehículo puede interaccionar con ciertos elementos del entorno.

Realizar una tarea de navegación para un robot móvil significa recorrer un camino que lo conduzca desde una posición inicial hasta otra final, pasando por ciertas posiciones intermedias o submetas. El problema de la navegación se divide en las siguientes cuatro etapas:

  • Percepción del mundo: Mediante el uso de sensores externos, creación de un mapa o modelo del entorno donde se desarrollará la tarea de navegación [3].
  • Planificación de la ruta: Crea una secuencia ordenada de objetivos o submetas que deben ser alcanzadas por el vehículo. Esta secuencia se calcula utilizando el modelo o mapa de entorno, la descripción de la tarea que debe realizar y algún tipo de procedimiento estratégico [6], [10].
  • Generación del camino: En primer lugar define una función continua que interpola la secuencia de objetivos construida por el planificador.

Posteriormente procede a la discretización de la misma a fin de generar el camino.

  • Seguimiento del camino: Efectúa el desplazamiento del vehículo, según el camino generado mediante el adecuado control de los actuadores del vehículo.

Estas tareas pueden llevarse a cabo de forma separada, aunque en el orden especificado. La interrelación existente entre cada una de estas tareas conforma la estructura de control de navegación básica en un robot móvil [5].

Fundamentos del Aprendizaje Automático (AA)

Se puede decir que el AA es un campo que se dedica al desarrollo de métodos computacionales para los procesos de aprendizaje, y a la aplicación de los sistemas informáticos de aprendizaje a problemas prácticos.

En este caso por medio del AA se genera un árbol de decisión, en el cual, en función de los estados presentados por los diferentes sensores se obtiene la clase a la cual pertenece dicho estado tomándose as la acción que deberán ejecutar los motores del robot.
Para generar un árbol de decisión, generalmente se utiliza el algoritmo ID3 de Quinlan. Este sólo permite clasificar datos pertenecientes o no a una clase o categoría (Verdadero, Falso), es decir genera árboles binarios.

Para estos casos Quinlan recomienda el uso de un número de árboles en paralelo igual a la cantidad de clases que se requieran. Así, cada árbol indica si dicho dato pertenece o no a su clase. Este tipo de estructura posee varias falencias como lo son el alto consumo computacional y las contradicciones en caso de que dos o más árboles indiquen que el dato pertenece a su clase. En la navegación robótica no pueden existir contradicciones del tipo Girar a la izquierda y al mismo tiempo Girar a la derecha.
Debido a esto, el ID3 ha sido modificado por los autores para que se puedan clasificar adecuadamente los datos en varias clases de salida y con la utilización de un solo árbol de decisión. Este nuevo algoritmo ha sido llamado ID3M.

De manera similar a como se entrena a las RNA se deben utilizar un conjunto de patrones de entrenamiento (mediante una trayectoria o un conjunto de ellas) para realizar la etapa de entrenamiento del AA.

Métodos clásicos de planificación.

Todos ellos se fundamentan en una primera fase de construcción de algún tipo de grafo sobre el espacio libre, según la información poseída del entorno, para posteriormente emplear un algoritmo de búsqueda en grafos que encuentra el camino óptimo según cierta función de coste.

  • Planificación basada en grafos de visibilidad.

Los grafos de visibilidad (Nilsson, 1.969) proporcionan un enfoque geométrico útil para resolver el problema de la planificación. Supone un entorno bidimensional en el cual los obstáculos están modelados mediante polígonos. Para la generación del grafo este método introduce el concepto de visibilidad, según el cual define dos puntos del entorno como visibles si y solo si se pueden unir mediante un segmento rectilíneo que no intersecte ningún obstáculo (si dicho segmento resulta tangencial a algún obstáculo se consideran los puntos afectados como visibles).

Así, si se considera como nodos del grafo de visibilidad la posición inicial, la final y todos los vértices de los obstáculos del entorno, el grafo resulta de la unión mediante arcos de todos aquellos nodos que sean visibles.
Mediante un algoritmo de búsqueda en grafos se elige la ruta que una la configuración inicial con la final minimizando alguna función de coste. La ruta que cumple el objetivo de la navegación queda definida como una sucesión de segmentos que siguen los requisitos especificados.

Aunque en principio el método está desarrollado para entornos totalmente conocidos, existe una versión denominada LNAV capaz de efectuar una planificación local a medida que se realiza la labor de navegación. Este algoritmo, que parte de una determinada posición, determina los nodos visibles desde el punto actual. Elige el más cercano de los nodos visibles, según distancia euclídea a la posición final, para desplazarse posteriormente al nodo seleccionado y marcarlo como visitado. Desde esta nueva posición se vuelve a iterar el proceso hasta llegar a la posición final (éxito), o bien no existen más nodos sin visitar (fracaso).
Dentro de los métodos basados en grafos de visibilidad, se encuentran algoritmos especializados en la búsqueda de la ruta óptima que lleve al vehículo desde la posición inicial A hasta la final B a través de un entorno en el cual el espacio libre entre obstáculos está modelado mediante el uso de dos cadenas de segmentos.

El uso de métodos de planificación basados en grafos de visibilidad está muy extendido, debido a que se pueden construir algoritmos a bajo coste computacional que resuelvan el referido problema. Sin embargo, utilizar como nodos los vértices de los obstáculos implica que no son inmediatamente aplicables en la práctica, ya que un robot móvil real no consiste en un punto. Por ello, algunos autores [6], denominan a la ruta planificada semi-libre de obstáculos.

  • Planificación basada en diagramas de Voronoi.

La planificación basada en diagramas de Voronoi sitúa la ruta lo más alejada posible de los obstáculos. Con ello elimina el problema presentado por los grafos de visibilidad de construir rutas semilibres de obstáculos.
La idea fundamental, es ampliar al máximo la distancia entre el camino del robot y los obstáculos. Por ello, el diagrama de Voronoi resulta el lugar geométrico de las configuraciones que se encuentran a igual distancia de los dos obstáculos más próximos del entorno.

  • Planificación basada en modelado del espacio libre.

Se aplica a arquetipos de entornos con obstáculos poligonales, y la planificación en este caso se realiza mediante el modelado del espacio libre [7]. Esta acción se lleva a cabo por los denominados cilindros rectilíneos generalizados (CRG). Al igual que los diagramas de Voronoi, con el uso de los CRG se pretende que el vehículo navegue lo más alejado de los obstáculos. De forma que la ruta que lleve al robot desde una configuración inicial hasta otra final estará compuesta por una serie de CRG interconectados, de tal modo que la configuración de partida se encuentre en el primer cilindro de la sucesión y la final en el último.

  • Planificación basada en la descomposición en celdas.

Este tipo de métodos se fundamenta en una descomposición en celdas del espacio libre. Así, la búsqueda de una ruta desde una postura inicial hasta otra final, consiste en encontrar una sucesión de celdas que no presente discontinuidades. Al contrario que los otros métodos, no encuentra una serie de segmentos que modele la ruta, sino una sucesión de celdas; por ello, se hace necesario un segundo paso de construcción de un grafo de conectividad, encargado de definir la ruta.

El grafo de conectividad es un grafo no dirigido, y su construcción está asociada a la descomposición en celdas efectuada en el paso anterior, del tal forma, que los nodos van a ser cada una de las celdas, existiendo un arco entre dos celdas si y solo si son adyacentes
Una vez especificado el grafo de conectividad, sólo queda emplear un algoritmo de búsqueda en grafos, para la detección de la celda que contiene la postura a la cual se desea llegar, tomando como partida la que contiene la postura inicial.
Los distintos métodos basados en este principio, se distinguen por la forma en la cual realizan la descomposición en celdas y como se construye el grafo de conectividad. El método más sencillo de descomposición del espacio libre del entorno en celdas resulta el denominado como descomposición trapezoidal [6]. Este método se basa en la construcción de segmentos rectilíneos paralelos al eje Y del sistema global a partir de los vértices de cada uno de los elementos del entorno. El final del segmento queda delimitado por el primer corte de la línea con un elemento del entorno.

Este tipo de enfoque se presta a muchas variantes, por ejemplo la utilización de varios niveles de resolución para una búsqueda jerarquizada [13], o bien el uso de celdas en tres dimensiones para la planificación de caminos en espacios tridimensionales.

  • Planificación basada en campos potenciales.

Los métodos basados en campos potenciales poseen una concepción totalmente distinta a los expuestos más arriba al estar basados en técnicas reactivas de navegación. El ámbito de uso de esta técnica se centra en la planificación local en entornos desconocidos, como puede ser el sorteo en tiempo real de obstáculos o de los que no se tiene constancia [12]

La teoría de campos potenciales considera al robot como una partícula bajo la influencia de un campo potencial artificial, cuyas variaciones modelan el espacio libre. La función potencial U en un punto p del espacio euclídeo, se define sobre el espacio libre y consiste en la composición de un potencial atractivo, que atrae al robot hacia la posición destino, y otro repulsivo que lo hace alejarse de los obstáculos, es decir:

La fuerza artificial a la que afecta el vehículo en la posición p, por el potencial artificial resulta:
Al igual que la función potencial, la fuerza artificial es el resultado de la suma de una fuerza de atracción, proveniente de la posición destino, y otra fuerza de repulsión debidas a los obstáculos del entorno de trabajo:
Así, la navegación basada en campos potenciales se basa en llevar a cabo la siguiente secuencia de acciones:

  1. Calcular el potencial que actúa sobre el vehículo en la posición actual p según la información recabada de los sensores.
  2. Determinar el vector fuerza artificial.
  3. En virtud del vector calculado construir las consignas adecuadas para los actuadores del vehículo que hagan que éste se mueva según el sentido, dirección y aceleración especificados.

En el caso de conocer todo el entorno de trabajo y realizando una simulación del movimiento del robot a través del mismo, resulta posible construir una ruta que lleve al vehículo desde la posición inicial hasta la final.
El problema en este tipo de métodos deviene en la aparición de mínimos locales, es decir lugares que no son la posición destino en los cuales el potencial resulta nulo. Una situación de este tipo puede hacer que el robot quede atrapado en una posición que no sea la destino, o bien debido a la naturaleza discreta del método girar alrededor de ella.

Solucionar este conflicto implica definir ciertas funciones potenciales que eviten la aparición de mínimos locales, lo cual resulta arduo, si bien existen soluciones que lo aseguran en entornos donde los obstáculos están modelados mediante. Otra solución para evitar caer en un mínimo local se encuentra en el uso de un algoritmo de búsqueda en grafos. Para ello se divide el entorno mediante el uso de una rejilla. Cada celda tiene almacenado un valor que indica su potencial.

El robot móvil se caracteriza por realizar una serie de desplazamientos (navegación) y por llevar a cabo una interacción con distintos elementos de su entorno de trabajo (operación), que implican el cumplimiento de una serie de objetivos impuestos según cierta especificación. Así, formalmente el concepto de misión en el ámbito de los robots móviles [2], [7] se define como la realización conjunta de una serie de objetivos de navegación y operación.

Interés estratégico para España

Se seguirán los siguientes criterios: la tecnología es un nicho de mercado, España puede aportar un salto tecnológico respecto a la tecnología existente o España tiene capacidad para afrontar su desarrollo.

Este ámbito de la planificación, navegación, localización y modelado del entorno resulta sumamente atractivo y prueba de ello es el interés en el mismo de empresas tan variadas como GMV, Tekniker o Treelogic.

Referencias

[1] P. A. Newman, Karl G. Kempf: Opportunistic Scheduling for Robotic Machine Tending. CAIA 1985: 168-175

[2] Paul Levi, L. Vajta: Sensoren für Roboter. Robotersysteme 3: 1-15 (1987)

[3] "Improvement in Robot Position Estimation Through Accurate Sensor Characterization" Sedas, S. and J. González Proc. Ed. A. Ollero and E.F. Camacho. Pergamon Press. 1993

[4] R. A. Brooks, “Achieved Artificial Intelligence", A. I. Memo 899. MIT, AI Lab. Setiembre 1986.

[5] D. H. Shin and S. Singh, “Path generation for robot vehicles using composite clothoid segments,” Robotics Institute, Carnegie Mellon University, Pittsburgh, PA, Tech. Rep. CMU-RI TR-90-31, December 1990.

[6] J. C. Latombe, Robot Motion Planning, ser. International Series in Engineering and Computer Science; Robotics: Vision, Manipulation and Sensors. Boston, MA, U.S.A.: Kluwer Academic Publishers, 1991

[7] R. A. Brooks, “A Robust Layered Control System for a Mobile Robot", A. I. Memo 864. MIT, AI Lab. Setiembre 1985.

[8] Tom M. Mitchell, \Machine Learning,"McGraw-Hill Science/Engineering/Math, ISBN: 0070428077, March 1977.

[9] Salvador Domínguez, Eduardo Zalama, Jaime G. García-Bermejo, Jaime Pulido. Robot Learning in a Social Robot. Lecture notes in Artificial Intelligence. ISBN 3-540-38608-4. Vol 4095. pp:691-702. Springer Ed., 2006.

[10] J.L. Lázaro. “Distributed architecture for control and path planning of autonomous vehicles”. Microprocessors and Microsystems, nº 25, 159-166. 2001.

[11] Borenstein, J. and Koren, Y., “The Vector Field Histogram - Fast Obstacle Avoidance for Mobile Robots”, IEEE Journal of Robotics and Automation, June 1991, Vol. 7, No. 3, pp. 278-288.

[12] Histogramic In-motion Mapping for Mobile Robot Obstacle Avoidance (http://www.personal.engin.umich.edu/~johannb/Papers/paper18.pdf). Borenstein, J, and Koren, Y., IEEE Journal of Robotics and Automation, Vol. 7, No. 4, 1991, pp. 535-539

[13] Multi-resolution path planning for mobile robots. Kambhampati S.; Davis L.S. IEEE Journal of Robotics and Automation. Vol. RA-2, No. 3, September 1986

Sistemas de percepción

Definición general

Los sistemas de percepción son esenciales en el diseño de cualquier sistema robótico.
En el nivel más básico de percepción se debe poder estimar el estado de los diferentes componentes del propio robot. Este nivel se conoce como “proprioception”. A niveles más altos de abstracción, la percepción se puede considerar como la interpretación de datos proveniente de diversos sistemas de transductores con el fin de realizar determinadas tareas. Esto incluye la integración de información de los transductores a través del espacio y el tiempo para facilitar la planificación de tareas y se denomina “exteroception”.

El proceso de percepción y estimación consiste en proveer información acerca del estado del entorno y del propio robot para efectuar tareas de control, toma de decisiones e interacción con otros agentes del entorno. Dado que no es prácticamente posible la obtención de un modelo general y completo del entorno (cada vez aparecen más campos de aplicación) una forma correcta de abordar el problema de la percepción es el establecimiento de modelos de percepción relacionados con tareas específicas.

Estado del arte

Percep.PNG La figura muestra un esquema básico de la percepción resaltando el hecho de que lo habitual es que vaya asociada a un objetivo y que se utilicen modelos sobre los cuales se puedan realizar predicciones y estimaciones.
El preprocesado es la etapa donde se intenta reducir el efecto del ruido de los transductores, eliminar errores sistemáticos y mejorar la información en aquellos aspectos que sean relevantes al objetivo de la percepción.
En algunos casos será necesario alinear la información (temporal o espacialmente), para poder luego integrarla al modelo.
Ejemplo: uso de un mapa para alinear las lecturas de un escáner láser.
La asociación de datos se emplea para estimar las relaciones entre la información proveniente de los transductores y el modelo del entorno
Una vez que ha sido establecida la correspondencia entre el modelo del entorno y los datos del transductor es posible actualizar el modelo con nueva información proveniente de los datos de transductores.
Finalmente se debería poder desarrollar un modelo dinámico del estado subyacente del sistema que se desea estimar.
Usando ese modelo es posible predecir los cambios que se producirán en el entorno en función del tiempo hasta obtener nueva información de los transductores. Esto se puede utilizar en un proceso de predicción “feed-forward”, que a su vez simplifica la asociación de datos de las nuevas lecturas.

Técnicas aplicadas al tratamiento de la información en la percepción
Existen varias técnicas distintas para combinar la información proveniente de los transductores.
El conjunto de técnicas a usar depende en gran medida del conocimiento a priori que se posea del entorno, de la información que se necesite para la tarea a realizar por el robot y de los modelos del sistema de transductores.
Las metodologías más comunes incluyen la estimación estadística (paramétrica y no paramétrica, métodos simples basados en votaciones, técnicas de lógica borrosa y la teoría de Dempster–Shafer.
Ejemplos:
Filtros de Kalman (solo para modelos gausianos)
Filtro de Kalman extendido
Hidden Markov Models (lentos)
Graphical Models (Redes bayesianas, permiten gran flexibilidad de modelado probabilístico e inferencia)
Filtro de partículas (uso creciente, permite trabajar con cualquier modelo de distribución probabilística, reemplaza filtros de kalman)
Expectation Maximization
K-means (Agrupamiento no supervisado)
PCA (Reduccion dimensional)
Ransac (votación)
Montecarlo
Mínimos cuadrados y estimación bayesiana
Clasificación de transductores de uso común en robots

Interés estratégico para España

Se seguirán los siguientes criterios: la tecnología es un nicho de mercado, España puede aportar un salto tecnológico respecto a la tecnología existente o España tiene capacidad para afrontar su desarrollo.
Es evidente que los sistemas de percepción son claves para el desarrollo de cualquier tipo de robot y por lo tanto podría considerarse un campo con un nicho importante de mercado. Las posibilidades que nos ofrecen desde el punto de vista de aportaciones a un salto tecnológico pueden ser muy amplias en dos apartados: diseño de sistemas (integración de transductores) y fundamentalmente, desarrollo del software para estos sistemas incorporando "inteligencia" según el propósito de cada sistema. La fabricación de dispositivos captadores, no sería un campo de interés, debido a que actualmente es muy difícil competir en costes con los fabricantes asiáticos[1].
El diseño de sistemas (la integración de dispositivos y el software) son los elementos que mayor valor añadido proporcionan.

[1]Esta afirmación podría dejar de ser válida en un escenario de fuerte recuperación económica. En un escenario así, los costes de transporte podrían actuar como un factor importante de compensación. Este fenómeno ya se observó durante la escalada de precios del petróleo.
Muchas empresas americanas comenzaron a planificar el retorno de sus fábricas desde Asia debido a que el coste del transporte hacia competitivos los salarios locales.

Inteligencia artificial

Descripción general

La inteligencia artificial estudia como lograr que las máquinas realicen tareas que, por el momento, son realizadas mejor por los seres humanos. La definición es efímera porque hace referencia al estado actual de la informática. No incluye áreas que potencialmente tienen un gran impacto tales como aquellos problemas que no pueden ser resueltos adecuadamente ni por los seres humanos ni por las máquinas.
Al principio se hizo hincapié en las tareas formales como juegos y demostración de teoremas, juegos como las damas y el ajedrez demostraron interés. La geometría fue otro punto de interés y se hizo un demostrador llamado: El demostrador de Galenter. Sin embargo la IA pronto se centró en problemas que aparecen a diario denominados de sentido común (common sense reasoning).

La inteligencia artificial tiene aplicación en la Robótica cuando se requiere que un robot "piense" y tome una decisión entre dos o mas opciones, es entonces cuando principalmente ambas ciencias comparten algo en común. La inteligencia artificial también se aplica a los ordenadores, ya sean PC’s , servidores de red o terminales de red, ya que su principal aplicación es desarrollar programas computacionales que resuelvan problemas que implican la interacción entre la máquina y el hombre, es decir, las máquinas "aprenderán" de los hombres, para realizar mejor su labor.

La inteligencia artificial presenta diversas vertientes:

  • Redes neuronales.
  • Sistemas expertos.
  • Algoritmos genéticos.
  • Lógica difusa (fuzzy logic).

Redes Neuronales

Las redes neuronales son dispositivos inspirados en la funcionalidad de las neuronas biológicas, aplicados al reconocimiento de patrones que las conviertenen aptas para modelar y efectuar predicciones en sistemas muy complejos.
Es un set de técnicas matemáticas para modelar las conexiones / relaciones entre un conjunto de datos.
Estas técnicas se aplican a problemas de clasificación y series de tiempo. y ofrecen el potencial de identificar conexiones que otras técnicas no pueden, porque :

  • Representa / utiliza relaciones lineales y no-lineales entre los datos.
  • Modela cualquier tipo de distribucion de datos (no solamente distribución normal)
  • Maneja datos con redundancia y/o inconsistencia en la información

Las Redes Neuronales estan compuestas por unidades computacionales paralelas e interconectadas. Cada una de esas unidades efectua un número de operaciones simples y transmite sus resultados a las unidades vecinas.
Las redes aprenden a reconocer patrones por medio de un entrenamiento basado en varios ejemplos diferentes. Ellas son eficientes en el reconocimiento de patrones en un conjunto de datos.
También son efectivas en el aprendizaje de patrones a partir de datos no lineales, incompletos, con ruidos y hasta compuestos por ejemplos contradictorios.
La habilidad de manipular estos datos imprecisos, hace que las redes sean muy eficaces en el procesamiento de información sin reglas claras o que no puedan se formuladas facilmente.

Sistemas expertos

Un sistema experto puede definirse como un "sistema basado en los conocimientos que imita el pensamiento de un experto, para resolver problemas en un terreno particular de aplicación" .
Las características principales de los sistemas expertos es que están basados en reglas. Esto significa que contienen un juego predefinido de conocimientos que se utiliza para todas las decisiones. El sistema usa las reglas y las inferencias que se les han indicado para producir los resultados.
Dependiendo del tipo de entrada y las reglas que se usaron, los sistemas expertos pueden utilizarse como herramientas cuantitativas o cualitativas.
Un sistema experto genérico, consiste de dos módulos principales: la base de conocimientos y el motor de inferencia.
La base, contiene el conocimiento del sistema con respecto a un tema específico para el que se diseña el sistema. Este conocimiento se codifica según una notación específica que incluye reglas, predicados , redes semánticas, frames y objetos .
El motor de inferencia es el que combina los hechos y las preguntas particulares, utilizando la base de conocimiento, seleccionando los datos y pasos apropiados para presentar los resultados.

Algoritmos genéticos

Los algoritmos genéticos son algoritmos matemáticos de optimización de propósito general basados en mecanismos naturales de selección y genética, proporcionando excelentes soluciones en problemas complejos con gran número de parámetros.
Los algoritmos genéticos conforman un paradigma de búsqueda probabilística, inspirada en la teoria de la evolución de Darwin.
Una población de individuos, cada uno representando una posible solución a un problema, es creada inicialmente al azar.
Entonces se combinan las parejas de individuos (soluciones) para producir otro individuo (prole) para la próxima generación. Un proceso de mutación, también generada al azar, modifica la estructura genética de algunos miembros de cada nueva generación. En cada ciclo, las bondades de los individuos son evaluadas con respecto al objetivo buscado y el sistema se vuelve a ejecutar para docenas o cientos de generaciones.
Dado que la probabilidad que un individuo se reproduzca es proporcional a la bondad de la solución que representa, la calidad de las soluciones mejora automáticamente en las generaciones sucesivas. El proceso se termina cuando una solución es aceptable o se determina el óptimo para la función
El objetivo principal de un Algoritmo genetico es el de evolucionar a partir de una población de soluciones para un determinado problema, intentando producir nuevas generaciones de soluciones que sean mejores que la anterior. Estos algorítmos operan en un ciclo simple: Creación de la población inicial, selección y reproducción, éste último implicando una recombinación y mutación del material genetico de las soluciones.
La reproducción, en este algoritmo, se describe a través de tres operadores genéticos: reproducción, cruza y mutación.
Reproducción.- Las cadenas con valores más altos tiene probabilidades más altas de contribuir con uno o más sucesores en la siguiente generación. Este operador es una versión artificial de la selección natural de Darwin. En las poblaciones naturales la aptitud esta determinada por la habilidad de organismo de sobrevivir y de llegar a la madurez y su subsecuente reproducción. En el sistema artificial, la función objetivo es el arbitro final en la vida o muerte de una cadena dada.
Cruza.- Una vez que se ha realizado la reproducción, se procede a la reproducción sexual o cruza de los individuos seleccionados. La población nueva intercambia material cromosómico y sus descendientes forman la siguiente generación.
Mutación.- Cuando un sistema se ha detenido en una estructura genética que se sospecha no es la óptima, o cuando el sistema se ha viciado con diversas cadenas muy parecidas, es necesario infiltrar mutaciones que reanimen el sistema. La mutación no permite la estabilización de poblaciones en soluciones locales.
Algunas características de los Algoritmos Genéticos:
1. Se usan parámetros codificados como una cadena de longitud finita sobre un alfabeto finito.
2. Son algoritmos de funcionamiento paralelo.
3. Usan operadores probabilísticos.
4. Se afectan menos por los máximos locales.
5. Están menos restringidos por continuidad, derivadas y unimodalidad.

Lógica difusa

La lógica difusa o fuzzy logic ofrece un mecanismo para que las computadoras puedan tratar con información imprecisa.
La lógica difusa fué creada para trabajar con conceptos no definidos concretamente tales com grande, alto, jóven, que no utilizan una lógica binaria (si/no)
Los sistemas basados en lógica difusa han demostrado gran utilidad en una gran variedad de operaciones de control industrial y tareas de reconocimiento de patrones, desde el reconocimiento de escritura a la validación del crédito financiero.
Una de las principales potencialidades de la lógica difusa cuando se la compara con otros esquemas que tratan con datos imprecisos, es que las bases de conocimiento de un sistema de este tipo es fácil de examinar, entender, mantener y actualizar.

Interés estratégico para España

Todo este tipo de técnicas son de gran interés para España y prueba de ello es que existen muchos grupos de trabajo tanto en Universidad como en empresas privadas.

Sistemas cognitivos y aprendizaje

Definición general

De acuerdo con Langley, (Langley et al, 2008) las capacidades de una arquitectura cognitiva son las siguientes:

  • Reconocimiento y categorización: Un robot inteligente debe hacer algún contacto entre su entorno y su conocimiento.
  • Percepción y comprobación de la situación: La cognición no ocurre de forma aislada. Un robot inteligente existe en el contexto de un entorno externo que debe sentir, percibir, e interpretar.
  • Toma de decisión y elección: Para operar en un entorno, un sistema inteligente debe también requerir la habilidad de tomar decisiones y seleccionar entre alternativas.
  • Predicción y monitorización: Las arquitecturas cognitivas pueden beneficiar en el sentido de poder predecir situaciones futuras y eventos de manera exacta.
  • Resolución de problemas y planificación: Debido a que los sistemas inteligentes deben alcanzar sus objetivos en situaciones nuevas, las arquitecturas cognitivas deben ser capaces de generar planes y resolver problemas.
  • Razonamiento y mantenimiento de creencias: La resolución de problemas está muy relacionada con el razonamiento. Mientras que la planificación concierne principalmente a la consecución de objetivos en el mundo mediante la selección de acciones, el razonamiento extrae conclusiones mentales de otras creencias o asunciones del robot.
  • Ejecución y acción: La cognición ocurre para apoyar y dirigir la actividad en el entorno. Para ello, una arquitectura cognitiva debe ser capaz de representar y almacenar habilidades motoras que posibiliten dicha actividad.
  • Interacción y comunicación: Algunas veces la manera más efectiva para un agente de obtener conocimiento es desde otro agente, lo que hace de la comunicación otra importante habilidad que la arquitectura debe considerar.
  • Recordar es la habilidad de codificar y almacenar los resultados de procesamientos cognitivos en memoria y acceder a ellos más tarde.
  • Otra capacidad que requiere acceso a rastros de actividad cognitiva es la reflexión. Esto puede implicar procesamiento de, o bien, estructuras mentales recientes que están todavía disponibles, o bien, estructuras más antiguas que el agente debe recuperar de su almacén.
  • Otra última e importante habilidad que se aplica a muchas arquitecturas cognitivas es el aprendizaje. El aprendizaje implica una generalización más allá de creencias específicas y eventos.

Aprendizaje

El aprendizaje ha sido denominado como la marca distintiva de la inteligencia, por lo que el conseguir capacidades de adaptación y
aprendizaje en sistemas artificiales es uno de los mayores retos de la inteligencia artificial (Mataric, 98).

Lorenz definió el aprendizaje como los cambios adaptativos del comportamiento y ésta es, de hecho, la razón por la que existe en
animales y humanos (Lorenz, 77). Existen dos mecanismos básicos de adaptación disponibles en los sistemas naturales:

  • Filogenia: Adaptación de generación en generación, como resultado de la selección natural a través de la evolución.
  • Ontogenia: Adaptación basada en el aprendizaje del individuo durante su vida

Estado del arte

Existen muchas arquitecturas cognitivas, auqnue entre ellas podemos destacar algunas:

  • Arquitectura Subsumption (Brooks)
  • ACT-R (Anderson, 2007; Anderson et al., 2004)
  • CLARION (Sun et al., 2001)
  • CogAff (Sloman, 2001)
  • Soar (Laird et al., 1987; Newell, 1990)

En relación al aprendizaje en robots, Mataric en (Mataric, 98) dice que el aprendizaje es particularmente difícil en los robots. Esto es debido a que interactuar y sentir en el mundo físico requiere tratar con la incertidumbre debida a la información parcial y cambiante de las condiciones ambientales. Sin embargo, el aprendizaje es una rama activa en robótica y es el aprendizaje por refuerzo uno de los métodos de aprendizaje que ha sido más implementado de forma efectiva en robots. De hecho, según algunos
autores, el aprendizaje por refuerzo parece ser la elección natural para el aprendizaje de las políticas de control de robots móviles.
En lugar de diseñar una política de control de bajo nivel, se puede diseñar una descripción de las tareas a un alto nivel, a través de la función de refuerzo. Frecuentemente, para las tareas de los robots, las recompensas corresponden a eventos físicos en el
entorno. Por ejemplo para la tarea de evitar obstáculos, el robot puede obtener un refuerzo positivo si consigue su objetivo y
negativo si choca contra algún obstáculo (Smart, 02).

Además de este tipo de aprendizaje existe otro tipo de aprendizaje, el aprendizaje supervisado. Los agentes que utilizan aprendizaje supervisado aprenden típicamente la relación entre entradas y salidas a través del análisis estadístico
de multitud de ejemplos de entrenamiento elegidos por un "supervisor". Cada ejemplo contiene las características de la
entrada y el valor o etiqueta de salida deseado. Estas técnicas dependen de la disponibilidad de datos etiquetados y no son
apropiados en dominios con un número pequeño de ejemplos, o sin ningún ejemplo. Tampoco son apropiados cuando el entorno cambia tan rápido que los primeros ejemplos dejan de estar relacionados con los últimos.

Interés estratégico para España

Se seguirán los siguientes criterios: la tecnología es un nicho de mercado, España puede aportar un salto tecnológico respecto a la tecnología existente o España tiene capacidad para afrontar su desarrollo.

Interacción multi-robot

Definición general

Un sistema de multi-robot se caracteriza por tener un conjunto de robots que operan en un mismo entorno.

Los sistemas multi-robot son de interés por las siguientes razones:

  • La tarea a realizar puede ser muy compleja (o imposible) para ser realizada por un único robot o pueden obtenerse beneficios importantes al utilizar múltiples robots.
  • Construir y utilizar varios robots simples puede ser más barato, más flexible y más tolerante a fallas que tener un poderoso y único robot.

La interacción entre los distintos robots durante la realización de una tarea puede definir el trabajo como colaborativo y/o coordinado. El trabajo colaborativo tiene como meta el alcance de un objetivo común. Además, debe ser coordinado cuando hay una interacción cercana donde las acciones que puede llevar a cabo un robot están influenciadas por las acciones de otros robots.

Para la realización de un sistema multi-robot es esencial el desarrollo de hardware y software cuya base sea la comunicación de información entre los distintos agentes del sistema, información del entorno, etc.

Estado del arte

Básicamente, los mecanismos de comunicación existentes en los sistemas multi-robot se pueden resumir en:

  • No comunicación: para tareas en las que no es necesaria la coordinación. El sistema debe ser completamente definido y rígido para evitar interferencias.
  • Comunicación basada en estados: cada robot del sistema conoce el estado del resto en diferente grado, actuando en consecuencia. En este caso, el robot que debe realizar una tarea debe consultar primero cuál es el estado del sistema.
  • Comunicación de objetivos: debe haber una comunicación continua y directa entre robots para realizar el trabajo de forma coordinada y lograr el objetivo común.

Interés estratégico para España

Se seguirán los siguientes criterios: la tecnología es un nicho de mercado, España puede aportar un salto tecnológico respecto a la tecnología existente o España tiene capacidad para afrontar su desarrollo.

El trabajo colaborativo multi-robot dentro de sistemas industriales está ampliamente implantado. Este conocimiento se está extendiendo a otros campos de la robótica como pueden ser los robots autónomos o la robótica humanoide donde existe un gran potencial de desarrollo.

Interacción robot-humano

Definición general

La interacción puede tener diferentes orientaciones pero básicamente el objetivo es la comunicación entre el humano y el robot.
El objetivo del desarrollo de tecnologías para la interacción Robot-Humano es asegurarse de que el robot comprende las instrucciones y deseos de las personas y actúa de acuerdo a ellas en correspondencia con sus funcionalidades.
La tecnología de interacción se puede dividir en tres dominios básicos de trabajo:

  • La sensórica, capacidad para percibir las posturas, gestos y actividades de los humanos.
  • El control del movimiento para la interacción física con humanos.
  • La inteligencia.

Estado del arte

Actualmente el desarrollo de las tecnologías de interacción se centran principalmente en:

  • Aprendizaje y reconocimiento de objetos, interpretación y comprensión de escenas y situaciones
  • Permiten al robot reconocer rostros, obstáculos, etc. a través de imágenes.
  • Mide/examina la posición y la distancia de los objetos basándose en información de sensores.
  • Toma de decisiones: razonamiento, anticipación, planificación.
  • Generación de movimientos tras interpretar los resultados de imágenes/voz, memoria, situación actual y otros factores.
  • Comportamiento inteligentes juzgando en base a la memoria y la situación actual, basándose en las circunstancias.
  • Aprendizaje: adquisición de nuevas capacidades, nuevo conocimiento.
  • Aprendizaje por imitación y demostración.
  • Interacción y comunicación: expresión de la intención, explicación.

En este área se han realizado importantes progresos, no sólo en el reconocimiento de las palabras, sino también en la posibilidad de reconocer el contexto del discurso y así captar su significado.

  • Reconocimiento del habla y síntesis de voz.
  • Localización de la fuente del habla.
  • Conversación inteligente.

Interés estratégico para España

Se seguirán los siguientes criterios: la tecnología es un nicho de mercado, España puede aportar un salto tecnológico respecto a la tecnología existente o España tiene capacidad para afrontar su desarrollo.