¡Avance importante! Un equipo de investigación de Pekín propone el primer «algoritmo híbrido de control de fuerza y posición» del mundo

Recientemente, equipos de investigación chinos han logrado avances significativos en el campo de los algoritmos robóticos, proponiendo la primera teoría unificada del mundo sobre el «algoritmo híbrido de control de fuerza y posición». Este algoritmo no depende de sensores de fuerza, lo que permite que el robot aprenda simultáneamente el control de posición y el control de fuerza. La tasa de éxito de las tareas relacionadas ha aumentado aproximadamente un 39,5 % en comparación con la estrategia que utiliza únicamente el control de posición. Resulta aún más destacable que los artículos científicos relacionados hayan recibido actualmente el Premio al Mejor Artículo en la Conferencia Internacional sobre Aprendizaje Robótico, siendo la primera vez desde la creación de dicho premio que un equipo de investigadores chinos lo obtiene.
En el sitio experimental del Instituto de Investigación General de Inteligencia Artificial de Pekín, un perro mecánico cuadrúpedo equipado con este nuevo algoritmo está realizando la tarea de entrenamiento de limpiar pizarras de forma ordenada. Los investigadores utilizaron este escenario práctico para explicar a los periodistas los principios fundamentales y las ventajas destacadas del «algoritmo de control híbrido de fuerza y posición».
Jia Baoxiong, investigador del Instituto General de Investigación en Inteligencia Artificial de Pekín: los modelos visuolingüísticos de acción predominantes toman como entrada fotografías capturadas por cámaras y luego realizan predicciones de trayectoria. Esta trayectoria puede provocar que el robot no siga estrictamente la pizarra durante el proceso de limpieza, lo que impide borrar dicha situación. En el modelo de control mixto de fuerza y posición, procuramos incorporar en la mayor medida posible la dimensión de la fuerza, logrando así el efecto de aplicar presión sobre la pizarra sobre la base de una localización precisa, lo que permite ajustarse estrechamente a ella y borrar las palabras escritas. Es decir, no solo incorporamos la dimensión de la fuerza al modelo original visuolingüístico de acción, sino que también conseguimos integrar simultáneamente el control de fuerza y el de posición.
Según los investigadores, el modelo de acción basado en lenguaje visual, ampliamente utilizado, suele ser insuficiente para abordar muchas tareas en la vida real. El problema fundamental radica en que la mayoría de dichas tareas implican escenarios complejos de contacto: por ejemplo, al limpiar una pizarra, el brazo robótico debe adherirse a la superficie manteniendo una presión adecuada; al abrir la puerta de un armario de interruptores, debe percibir con precisión la estructura interna del resorte de empuje-tracción; y el robot no solo debe «ir allí donde debe ir y extender su brazo allí donde debe hacerlo», sino también «comprender cuánta fuerza debe aplicar». Antes del «algoritmo híbrido de control de fuerza y posición», todos estos aspectos debían resolverse mediante sensores de fuerza.
Jia Baoxiong, investigador del Instituto General de Investigación sobre Inteligencia Artificial de Pekín: los sensores de fuerza se instalan con mayor frecuencia en brazos robóticos fijos, lo que complica y encarece la instalación. El modelo de control mixto de fuerza y posición ha mejorado la tasa de éxito de estas tareas que requieren fuerza en casi un 40 % en comparación con el modelo VLA tradicional (modelo visual-lenguaje-acción).