Un paso más cerca de conseguir que los robots manipulen objetos de manera parecida a los humanos Cuando se trata de manipular objetos, los robots son capaces de hacerlo en condiciones muy controladas. Una iniciativa de la Unión Europea se propuso mejorar esta capacidad en los robots actuales. Economía digital Investigación fundamental © Alexandre José Malheiro Bernardino El proyecto LIMOMAN (Developmental learning of internal models for robotic manipulation based on motor primitives and multisensory integration), financiado con fondos europeos, propuso un marco general de aprendizaje y control para los sistemas complejos y desarrolló una solución funcional para la manipulación robótica. Para alcanzar sus objetivos, el proyecto LIMOMAN se centró en tres aspectos fundamentales del control motriz humano que pueden combinarse para mejorar el funcionamiento robótico: Modelos internos, aprendizaje para el desarrollo e integración multisensorial. Gran parte del trabajo se realizó en el robot humanoide iCub, considerado una de las plataformas robóticas más avanzadas para investigar la cognición. Los socios del proyecto no solo propusieron un concepto de modelo interno que va más allá de las arquitecturas actuales gracias a sus características de adaptabilidad, flexibilidad y escalabilidad, sino que además investigaron enfoques de sinergias manuales a fin de codificar la complejidad motriz de las manos del robot con representaciones compactas y aprovecharon los resultados de iniciativas de motricidad previas para facilitar un aprendizaje basado en la demostración. El equipo del proyecto LIMOMAN desarrolló nuevos conceptos de sensores táctiles 3D suaves, estudió técnicas bayesianas para integrar distintas modalidades sensoriales y empleó iCub en una tarea de manipulación compleja de objetos. El equipo investigador demostró que las diferentes técnicas bayesianas podían emplearse con éxito para aprender modelos robóticos internos relacionados con varias capacidades sensomotoras y susceptibles de emplearse para formular predicciones que mejoren el control del movimiento, la planificación de acciones y la estimación de acciones. El equipo de trabajo también estudió estrategias para combinar eficazmente varios canales sensoriales y codificar las estructuras sensomotoras y los movimientos del robot con representaciones compactas. Además, los miembros del equipo investigaron el concepto de funcionamiento, lo que derivó en modelos computacionales de percepción visual que extraen la información relevante del flujo de datos visuales y predicen los efectos de las actuaciones que pueden utilizarse para planificar acciones. Además, el equipo propuso una tecnología innovadora de sensores táctiles que aborda características fundamentales para la manipulación de objetos en base a la interacción robótica en un entorno real desestructurado. El proyecto LIMOMAN señaló el camino para combinar eficazmente las demostraciones humanas con el aprendizaje autónomo robótico a fin de realizar adecuadamente acciones de manipulación compleja. Palabras clave Robots, LIMOMAN, aprendizaje para el desarrollo, modelos internos, manipulación robótica
