COMPRENDAMOS

Ha pasado ya bastantes años desde que el escritor checo Karel Capek, empleara por primera vez en su obra Rossum's Robots Universales el término "Robot" en 1921. Asimismo el término Robótica como disciplina, no fue empleado sino hasta 1942 cuando el escritor Americano de origen Ruso Isaac Asimov la utilizara en su obra "Runaround". Assimov fue un extraordinario visionario del campo de la Robótica que incluso llego a formular tres leyes fundamentales, que en términos simples consignan a los robots como elementos que obedecen ordenes humanas, que interactúan con estos y no causan daño alguno. Para 1947 se tiene ya el primer robot teleoperado, sin embargo no es sino hasta 1954 cuando George Devol diseña el primer robot programable que años mas tarde se transformaría en el robot PUMA, que ha sido sin duda el robot industrial más empleado en el mundo desde 1956. En la actualidad existe una amplia gama de robots, los mayormente conocidos y utilizados son los robots industriales para labores de ensamble, soldadura, etc., los hay también móviles como la mascota AIBO de SONY que es capaz de "entender" lenguaje, por ende obedecer a su amo. Algunas otras líneas actuales de investigación centran su atención en el modelo humano como es el caso del robot humanoide ASIMO de Honda desarrollado en Japón.

A pesar del enorme avance de la tecnología en los últimos 50 años los robots son aún incapaces de realizar labores "humanas" con un grado de inteligencia equiparable al ser humano. Existe un amplio campo de investigación en la implementación de mecanismos de Inteligencia Artificial (IA) que permitan a los robots realizar labores humanas en donde efectivamente los robots realicen labores que resultan peligrosas, tediosas o simplemente aburridas de manera autónoma y que además tengan la capacidad de aprender y mejorar su conocimiento en base a la experiencia. La Inteligencia Artificial (IA) ha sido en los últimos años una herramienta útil en la solución de problemas de ingeniería. En el ámbito industrial, esta herramienta ha sido empleada en diferentes procesos de manufactura. Especialmente en el análisis de operación de la maquinaria y procesos asociados empleando para ello bases de conocimiento y los llamados sistemas expertos. El principal atributo de los sistemas expertos es su capacidad de decisión en problemas complejos de manera similar como lo resolvería el ser humano. Esta disciplina hace uso extensivo de Redes Neuronales Artificiales (RNAs) y Lógica Difusa (LD), que en su conjunto fortalecen la capacidad de raciocinio de dichos sistemas.

El objetivo final de automatización de las maquinas-herramienta (incluyendo los robots), es poseer esta capacidad de razonar e interactuar con el ser humano, el operario. Esta Interface Hombre-Maquina (IHM) actualmente ha recibido bastante atención en los sistemas robóticos. Comúnmente, el teclado, mouse y algunas veces pantallas sensibles al tacto se emplean como IHM. Los robots y máquinas controladas numéricamente emplean frecuentemente aparatos de control remoto o "joystick". Sin embargo, cada sistema desarrolla su propia IHM y aún no se logra un estándar en estas interfaces. Esto provoca que sea difícil para el operario adaptarse al manejo de un nuevo producto o máquina-herramienta rápidamente. Adicionalmente, esto representa gastos de entrenamiento y tiempos muertos, lo cual incrementa costos de producción y rapidez de respuesta. Es por ello que la comunidad científica ha detectado la necesidad de contar con interfaces inteligentes que faciliten este proceso. Un sistema robótico inteligente debe poseer la habilidad de interactuar en su entorno empleando los mismos medios que el ser humano utiliza: los sentidos de percepción.

Empleando reconocimiento de voz se pueden consultar bases de datos con el simple comando "mostrar tabla", de manera similar como lo hacen actualmente programas dedicados en donde es posible entrenar un sistema de cómputo para reconocer ordenes tales como "abre carpeta, imprime, etc." En un ambiente radioactivo o tóxico por ejemplo, es deseable poder dirigir un manipulador, mediante el comando: "Toma el bloque ó Toma el tornillo". Esto invariablemente se puede realizar con las tecnologías actuales. Sin embargo, dado que el robot no "entiende" el significado de las palabras aisladas no puede éste hacer ninguna generalización (entendimiento) y palabras como "Toma el cable" sería una nueva oración que tendría que aprender. Si esto es verdad, el vocabulario sería extremadamente grande considerando todas las posibles combinaciones en el listado de comandos verbales, además de que el principio de composicionalidad se perdería. Dicho principio básicamente establece que el significado de toda la oración es la suma de significados de las partes (oración). La solución al problema es dotar a las máquinas con capacidad de entendimiento natural de lenguaje. Para ello, el primer paso es el desarrollo de programas voz-comando que emplean únicamente reconocimiento de voz.

Otro elemento que facilita la interfaz amigable con el usuario es la percepción visual de objetos. En su conjunto, comandos verbales tales como "Toma el cubo o Toma el vaso" tendrían mayor eficacia al emplear retroalimentación visual. En esta área es de particular importancia el reconocimiento de objetos de manera invariable, es decir, independientemente de la posición del objeto y su orientación en el espacio de trabajo.

Áreas de reciente desarrollo son la percepción de olor y sabor. Actualmente estos aparatos son conocidos como narices y lenguas electrónicas. La idea de crear narices electrónicas surge a principios de los 80's en la Gran Bretaña con el trabajo conjunto de George H. Dodd y Krishna C. Persaud de la Universidad de Warwick y del Instituto de Ciencia y Tecnología de la Universidad de Manchester(UMIST). Dood and Persuad introdujeron el concepto de detección de aroma, su trabajo inicial empleó un sensor de oxido de metal que trabajo apropiadamente a 300 grados centígrados. Actualmente se cuentan con sensores comerciales de bajo costo en base a esta misma tecnología. El campo de aplicación de percepción de olor es enorme si tan solo pensamos en la industria alimenticia, vinícola y química donde pudiesen estar robots "entrenados" para disernir entre diferentes aromas, donde los robots a diferencia de los catadores profesionales no se cansan y cuya sensibilidad se garantiza durante procesos continuos, además de la seguridad de que pueden ser empleados eficientemente con sustancias toxicas. La posibilidad de dominio en estas tecnologías cada vez es más grande dado que los sensores comerciales han comenzado a aparecer y sus costos, de manera proporcional se han reducido. Imagine que algún día también pudiese emplearse este sentido de percepción en el supermecado, donde únicamente tendría que colocar sus frutas o legumbres sobre la bascula, la que autónomamente reconocería de qué variedad se trata y de manera automática registrar su precio. El desarrollo de lenguas electrónicas adolece de un menor desarrollo comparado con la percepción de olor. Uno de los primeros prototipos comerciales fue desarrollado en la década de los 90's por la Universidad de Kyushu y la compañía Anritsu en Japón. Este año se anuncia comercialmente lenguas electrónicas portátiles como la desarrollada por Antonio Riul de EMBRAPA Instrumentación Agropecuaria en Brasil y Martín Taylor de la Universidad de Gales en el Reino Unido. Esta lengua electrónica puede discriminar entre vinos cabernet sauvignons del mismo año de dos diferentes marcas, puede además detectar concentraciones muy bajas de moléculas de sal y azúcar, lo cual sería imposible para el ser humano.

La pregunta obligada después de analizar las posibilidades tecnológicas que los distintos tipos de sensores que se ofrecen, sería la factibilidad de implementar una arquitectura "inteligente" tal que pudiera clasificar/reconocer las diferentes señales provenientes de los respectivos sensores de manera analoga como lo realiza el ser humano. Es en este campo precisamente donde se requiere una herramienta tal, que permita clasificar y aprender los diferentes tipos de patrones de señal eléctrica. Este procedimiento tendrá que ser en línea (con el robot operando) dado quelas respuestas en un sistema robótico o máquina deben ser inmediatas. El sistema debe ser capaz de aprender y reutilizar su conocimiento cada vez que lo requiera, además de no perturbar el conocimiento que previamente se ha adquirido, puesto de otra manera olvidar lo que previamente ha aprendido. Esto sugiere el desarrollo de una arquitectura neuronal, que permita clasificar los diferentes tipos de patrones de señal de manera y asimismo poseer en cierta medida la capacidad de predicción de acuerdo a una base de conocimiento generado durante la etapa de aprendizaje. En este sentido, herramientas de Inteligencia Artificial como la Teoría de Redes Neuronales Artificiales y Lógica Difusa ofrece atributos viables de ser incorporados en una Arquitectura Neuronal dedicada a percepción sensorial para robots lo que sería propiamente el "Cerebro" de la máquina inteligente.

En CIATEQ AC, Centro de Tecnología Avanzada se realizan actualmente investigaciones para incorporar sistemas inteligentes a procesos de manufactura que involucran el uso de robot industriales. Actualmente se cuenta con un robot industrial inteligente, el cual emplea como "cerebro" un Controlador Neuronal que le permite ensamblar piezas de manera inteligente. Para realizar cualquier ensamble el robot recibe un entrenamiento previo que le permite en términos simples reconocer su entorno e identificar movimientos básicos como son "atrás", "adelante", "izquierda" y "derecha". Partiendo de este conocimiento básico el robot es capaz de aprender el ensamble de diferentes piezas, sin necesidad de elaborar ningún programa de computadora. El robot además demuestra su aprendizaje incremental y destreza ya que conforme realiza mas ensambles éste efectúa la tarea en menor tiempo y con trayectorias más óptimas. Se tiene también una interfaz, la cual permite comandar mediante voz al robot para que efectúe un ensamble o bien le indique la velocidad y distancia en que el operador requiere que el robot se posicione. Asimismo se trabaja en la áreas de reconocimiento de gases en procesos de fundición y en la mejora del controlador neuronal para procesar simultáneamente mas de un sentido de percepción y reconocimiento invariante de objetos en 3D. La experiencia obtenida en CIATEQ, ha permitido visualizar campos tecnológicos emergentes para aplicar la experiencia obtenida y de esta manera ofrecer a la industria nacional productos con alto valor agregado