Los investigadores han desarrollado un nuevo sistema de inteligencia artificial que permite a los robots recuperar su posición de manera confiable incluso después de haber sido movidos, apagados o desplazados de otra manera, un problema común conocido como el problema del “robot secuestrado”. El avance, desarrollado en la Universidad Miguel Hernández de Elche (España), podría mejorar significativamente la practicidad de los robots autónomos en escenarios del mundo real.
El desafío del ‘robot secuestrado’
Durante años, uno de los mayores obstáculos en robótica ha sido la localización confiable : la capacidad de un robot de saber con precisión dónde se encuentra. Los métodos tradicionales a menudo se basan en GPS o mapas preprogramados, que no son prácticos en muchos entornos. Las señales de GPS tienen problemas en interiores, cerca de edificios altos o en áreas con poca cobertura satelital. Los mapas preprogramados requieren actualizaciones constantes, lo que puede resultar difícil en espacios dinámicos.
Este nuevo sistema, llamado MCL-DLF (Monte Carlo Localization – Deep Local Feature), ofrece una alternativa al hacer que los robots sean más autosuficientes.
Cómo funciona el nuevo sistema
El sistema MCL-DLF utiliza tecnología LiDAR 3D, que emplea pulsos láser para escanear y crear un mapa detallado del entorno circundante. Esto permite que el robot funcione sin necesidad de infraestructura externa como GPS o mapas preexistentes.
Así es como funciona por etapas:
- Reconocimiento amplio: Primero, la IA identifica el área general reconociendo características grandes como edificios o vegetación.
- Análisis detallado: A continuación, reduce la ubicación exacta analizando detalles más pequeños y únicos. El proceso imita cómo los humanos encuentran su camino en lugares desconocidos.
- Actualizaciones continuas: Utilizando el aprendizaje profundo, el sistema prioriza características ambientales útiles para la localización y mantiene múltiples estimaciones de ubicación posibles, actualizándolas a medida que llegan nuevos datos de sensores.
Según Míriam Máximo, investigadora principal, “Esto es similar a cómo las personas primero reconocen un área general y luego se basan en pequeños detalles distintivos para determinar su ubicación precisa”.
Pruebas y resultados del mundo real
Los investigadores probaron el sistema durante meses en el campus universitario, bajo diferentes condiciones, incluidos cambios estacionales, diferentes niveles de iluminación y vegetación cambiante. Los resultados muestran que MCL-DLF proporciona una mayor precisión de posicionamiento y un rendimiento más consistente en comparación con los métodos tradicionales. Esto significa que el robot puede localizarse de forma fiable incluso cuando el entorno cambia con el tiempo.
Por qué esto es importante
Las implicaciones son significativas. Los robots autónomos se están volviendo esenciales en la logística, la inspección de infraestructuras, el monitoreo ambiental y los vehículos autónomos. Un sistema que permita a estos robots operar de manera más independiente y confiable acelerará su adopción.
El desarrollo de métodos de localización más fiables es clave para liberar todo el potencial de la robótica en aplicaciones del mundo real.
Al reducir la dependencia de la infraestructura externa y adaptarse a entornos dinámicos, el sistema MCL-DLF representa un paso importante para hacer que los robots sean verdaderamente autónomos y útiles en entornos complejos e impredecibles.
