Publicado el 12 de marzo de 2025 / Actualización del: 12 de marzo de 2025 - Autor: Konrad Wolfenstein
Investigador Sepehr Samavi y Prof. Angela Schoellig junto a Robots Jack - Imagen: Astrid Eckert, Muenchen
Trabajo pionero en robótica: TUM se desarrolla robots de aspecto hacia adelante
Sistemas autónomos: cómo aprender robots para interactuar con las personas
En un mundo que se desarrolla rápidamente en la dirección de la automatización y la inteligencia artificial, los sistemas autónomos son una parte cada vez más importante de nuestra vida cotidiana. Una disciplina particularmente emocionante y desafiante dentro de la robótica es el desarrollo de sistemas que pueden moverse de manera segura y eficiente en entornos dinámicos poblados por humanos. No se trata solo de evitar obstáculos, sino también de comprender, predecir y reaccionar el comportamiento de las personas para garantizar una interacción suave y segura.
Exactamente en esta interfaz de robótica, inteligencia artificial y comportamiento humano, los investigadores de la reconocida Universidad Técnica de Munich (TUM) trabajan a alta presión. En su Laboratorio de Sistemas de Aprendizaje y Robótica, bajo la dirección de la profesora Angela Schoellig, ha desarrollado un robot innovador llamado "Jack", que puede navegar con una notable habilidad y previsión a través de las multitudes. Lo que distingue a Jack de muchos otros robots es su capacidad no solo para percibir el entorno inmediato, sino también de pensar activamente en cómo las personas se moverán y cómo podrían reaccionar ante sus propios movimientos. Esta forma de pensar prevén que Jack le permite a Jack planificar las habitaciones animadas no solo reactiva, sino también de manera proactiva e inteligente.
Adecuado para:
El desafío de la navegación en las multitudes
La navegación en las multitudes es un enorme desafío para los robots que va mucho más allá de la simple evitación de obstáculos. A diferencia de los entornos estáticos o predecibles, las multitudes son dinámicas, impredecibles y caracterizadas por interacciones sociales complejas. Todos en muchos se mueven individualmente, pero al mismo tiempo influyen en los movimientos de los demás. Esta interdependencia, combinada con la variabilidad natural del comportamiento humano, hace que sea extremadamente difícil para los robots moverse de manera segura y eficiente.
Los algoritmos de navegación tradicionales para robots, que a menudo se basan en reglas rígidas y datos simples de sensores, alcanzan rápidamente sus límites en tales entornos. Por lo general, reaccionan reaccionar ante los obstáculos al detener o esquivar abruptamente, lo que puede conducir a atascos de tráfico indeseables, rutas ineficientes o incluso situaciones peligrosas en una multitud. Para moverse con éxito a las multitudes, los robots necesitan una forma mucho más progresiva de inteligencia, lo que les permite comprender el comportamiento humano, predecir e implicar activamente su planificación de navegación.
El enfoque innovador de Jack: pensamiento e interacción a lo largo
El robot Jack desarrollado por los investigadores de TUM va un paso decisivo más allá de los enfoques tradicionales. Su núcleo es un algoritmo sofisticado que le permite no solo percibir los movimientos de las personas en su área, sino también predecir activamente e involucrar su propia planificación de ruta. El profesor Schoellig enfatiza la diferencia fundamental con los métodos convencionales: “Nuestro robot modeló cómo las personas reaccionarán ante su movimiento para planificar su propio camino. Esa es la gran diferencia para otros enfoques que generalmente ignoran esta interacción.
Esta capacidad de modelar la interacción es la clave del éxito de Jack. En lugar de considerar solo a las personas como obstáculos impredecibles, Jack la ve como un actor inteligente cuyo comportamiento a veces puede predecir e incluso influir. Esto le permite moverse a través de multitudes que se asemejan a la navegación humana de muchas maneras. No duda en moverse en brechas, anticipa los movimientos de los peatones y adapta su ruta dinámicamente para evitar colisiones y, al mismo tiempo, alcanzar su objetivo de manera eficiente.
Sensor y potencia informática en interacción
Para hacer frente a esta tarea exigente, Jack está equipado con sensores altamente desarrollados y potencia informática. Un elemento central es un sensor LiDAR (detección de luz y rango), que envía permanentemente vigas láser al área y recibe las señales reflejadas. A partir de estos datos, el LiDAR crea una tarjeta precisa de 360 grados en el entorno en tiempo real, que no solo captura objetos estáticos, sino en particular también la posición y el movimiento de las personas. Por lo tanto, el Lidar proporciona al robot una "imagen" detallada de su entorno, que forma la base de sus decisiones de navegación.
Además del Lidar, Jack tiene sensores en sus bicicletas, que miden precisamente su propio ritmo y la distancia cubierta. Esta información es crucial para determinar con precisión su propia posición en el área y optimizar la eficiencia de la navegación. Todos los datos del sensor son procesados por una potente computadora en el tablero que puede llevar a cabo algoritmos complejos en tiempo real. Esta computadora es el "cerebro" de Jack y responsable del análisis de los datos del sensor, la predicción de los movimientos humanos y el cálculo de la ruta óptima.
Adecuado para:
El algoritmo en detalle: predicción, planificación y adaptación
El corazón de la inteligencia de Jack es el algoritmo de navegación desarrollado por los investigadores de TUM. Este algoritmo funciona en varios pasos para permitir que Jack garantice una navegación segura y eficiente en las multitudes.
1. Percepción y adquisición de datos
Inicialmente, Jack recopila continuamente datos sobre su entorno con la ayuda de sus sensores. El LIDAR proporciona información sobre la posición y el movimiento de las personas, mientras que los sensores de las ruedas proporcionan datos sobre el propio movimiento del robot.
2. Predicción de movimientos humanos
Según los datos recopilados, el algoritmo analiza el patrón de movimiento de las personas en el área. Intenta predecir los caminos probables que la gente se hará cargo en los siguientes segundos. Esta predicción se basa en modelos estadísticos que se han aprendido de amplios registros de datos del comportamiento del movimiento humano en las multitudes.
3. Planificación de ruta
Al mismo tiempo, el algoritmo planea la ruta óptima hacia la meta del robot. No solo tiene en cuenta los movimientos predichos de las personas, sino también las propias habilidades y restricciones de los robots, como su velocidad y maniobrabilidad. El objetivo es encontrar una ruta que conduzca a la meta de la manera más rápida y eficiente posible sin arriesgar colisiones con personas.
4. Adaptación dinámica
Un aspecto central del algoritmo es su capacidad para adaptarse dinámicamente. Todo el proceso de adquisición de datos, predicción y planificación de rutas se repite continuamente aproximadamente diez veces por segundo. Esto le permite a Jack adaptar su ruta al entorno en constante cambio en tiempo real. Esta alta frecuencia de adaptación es esencial para navegar en un entorno dinámico con muchas personas de manera segura y eficiente, ya que el robot reconoce las formas de las personas al mismo tiempo y reacciona a cómo el investigador TUM Sepehr explica Samavi.
Aprender del comportamiento humano: la clave para la navegación similar a la humana
Otro aspecto crucial de la inteligencia de Jack es su capacidad para aprender del comportamiento humano. Los investigadores de TUM no simplemente programaron a Jack con reglas y algoritmos rígidos, sino que le dieron la oportunidad de mejorar continuamente mediante el análisis de los datos del comportamiento del movimiento humano.
El profesor Schoellig explica que el modelo matemático en el que se basa el algoritmo de planificación se deriva de los movimientos humanos y se tradujo en ecuaciones. Por lo tanto, el algoritmo no se basa en suposiciones abstractas sobre el comportamiento humano, sino directamente en datos reales que documentan los movimientos de las multitudes. Para habilitar esto, los investigadores recopilaron amplios registros de datos que describen el comportamiento humano en diferentes situaciones y entornos y sirven como material de enseñanza para Jack.
Al analizar estos datos, Jack aprende a reconocer, anticipar los patrones de movimiento típicos de las personas e involucrar sus propias decisiones. Por ejemplo, se entera de que las personas generalmente esquivan cuando se dirigen a un obstáculo o que adaptan su velocidad para evitar una colisión. Estos hallazgos fluyen hacia el algoritmo y permiten a Jack comportarse de una manera que se asemeja al comportamiento intuitivo de las personas en las multitudes.
Un ejemplo concreto de este proceso de aprendizaje es el manejo de colisiones potenciales de Jack. Un robot tradicional generalmente se detendría de inmediato tan pronto como reconoce un obstáculo, como una persona, en un curso de colisión. Jack, por otro lado, que ha aprendido del comportamiento humano, reacciona de manera más diferente. También calcula que las personas generalmente se adaptarán y esquivarán para evitar una colisión. Por lo tanto, no se detiene de inmediato, pero continúa su movimiento, al mismo tiempo que observa la reacción del hombre. Solo si hay señales de que las personas no esquiven, Jack plan a corto plazo y elija una ruta alternativa. Este comportamiento es mucho más eficiente y más humano que la parada abrupta de un robot tradicional.
Desarrollo evolutivo: de reactivo demasiado interactivo
El desarrollo de las habilidades de navegación de Jack fue un proceso evolutivo que entró en tres etapas. Cada nivel representa el progreso en la complejidad e inteligencia del algoritmo.
Nivel 1: Navegación reactiva.
En la primera etapa, Jack solo reaccionó reaccionadamente a su entorno. Evadió obstáculos tan pronto como los percibió sin predecir o anticipar el comportamiento de las personas. Esta etapa era funcional, pero ineficiente y a menudo conducía a paradas y desvíos abruptos.
Nivel 2: navegación predictiva.
En la segunda etapa, el algoritmo se expandió para predecir el movimiento de las personas que se aproximan. Esto hizo posible que Jack navegara más adelante y evitar colisiones antes de que fueran inminentes. Este nivel ya era un progreso significativo, pero aún era limitado porque ignoraba en gran medida la interacción entre robots y humanos.
Nivel 3: navegación interactiva.
La versión actual de Jack representa el tercer y más avanzado nivel de evolución: la navegación interactiva. En este nivel, Jack no solo puede predecir los movimientos de las personas, sino también tener en cuenta activamente cómo las personas reaccionarán ante sus propios movimientos. Es capaz de influir en el comportamiento de las personas a través de su propio comportamiento y al mismo tiempo evitar colisiones. Esta habilidad interactiva es el avance crucial que hace que Jack sea un sistema de navegación realmente inteligente y similar a humano.
El investigador Samavi explica que Jack puede predecir los movimientos de otras personas por un lado y al mismo tiempo puede influir en sus acciones a través de su propio comportamiento mientras evita colisiones. Esta forma de navegación interactiva permite a Jack moverse de manera segura, eficiente, socialmente aceptable e intuitivamente a través de las multitudes.
Áreas de aplicación: desde robots de entrega hasta conducción autónoma
La tecnología innovadora que se encuentra en Jack tiene un enorme potencial para una variedad de áreas de aplicación. Aunque Jack se desarrolló inicialmente como una plataforma de investigación, los investigadores de TUM ya están pensando en usos posibles concretos en el mundo real.
Robot de entrega
Una aplicación cercana son los robots de entrega que pueden entregar de forma autónoma bienes y paquetes en entornos urbanos. Estos robots deben poder moverse de manera segura y eficiente en las aceras, en zonas peatonales y en los animados centros de las ciudades. La capacidad de Jack para navegar en multitudes es de importancia crucial para esto. En el futuro, los robots de entrega autónomos podrían hacer una contribución significativa para resolver problemas de la "última milla" en logística y aliviar el tráfico urbano.
Adecuado para:
Silla de ruedas
Otra aplicación prometedora es la integración de la tecnología en sillas de ruedas inteligentes. La navegación en entornos animados puede ser un gran desafío para las personas con restricciones de movilidad. Una silla de ruedas que está equipada con algoritmo de navegación de Jacks podría mejorar significativamente la independencia y la calidad de vida de estas personas. La silla de ruedas podría evitar automáticamente obstáculos, moverse de manera segura a través de multitudes y llevar al usuario de forma autónoma al destino deseado.
Conducción autónoma
El profesor Schoellig ve la conducción autónoma como un campo de aplicación particularmente relevante para la tecnología de navegación interactiva. Enfatiza que estos escenarios interactivos son un desafío central. En situaciones de tráfico complejas, por ejemplo, al enhebrar las autopistas, al recurrir a los cruces o al tratar con peatones y ciclistas, es esencial no solo planificar su propio movimiento, sino también predecir el comportamiento de otros usuarios de la carretera e incluirlos en su propia planificación. La capacidad de la tecnología para la navegación interactiva podría hacer una contribución significativa al desarrollo de vehículos autónomos seguros y eficientes. Como ejemplo, conduce a roscarse en una carretera: cuando un vehículo conduce el indicador de aceleración de una entrada de la autopista, muchos conductores que vienen detrás de las pistas de cambio o el frenado ligeramente. Es precisamente en tales situaciones que el nuevo enfoque permite que las reacciones de los otros usuarios de la carretera se tengan en cuenta adecuadamente.
robots humanoides
Los robots humanoides podrían beneficiarse particularmente de los algoritmos, especialmente en áreas como el cuidado, el servicio o la producción en las que trabajan estrechamente con las personas. Para ser utilizados y efectivos por humanos, es esencial que puedan navegar de manera segura e intuitiva en entornos humanos. Sin embargo, el profesor Schoellig se refiere a un desafío central: si bien un robot en movimiento puede simplemente detenerse si es necesario, los robots humanoides todavía son bastante inestables y rápidamente pierden su equilibrio. La mejora de la estabilidad de los robots humanidos en entornos dinámicos representa un campo importante de investigación que debe desarrollarse aún más para hacer que el potencial de navegación interactivo también sea utilizable para los robots humanoides.
Navegación de robot avanzado: como Jack entiende el comportamiento humano
La investigación de TUM en el área de navegación de robots interactivos representa un progreso significativo en el camino hacia los sistemas inteligentes y autónomos que pueden actuar de manera segura y eficiente en los alrededores humanos. El Robot Jack muestra impresionantemente que es posible desarrollar máquinas que no solo perciban su entorno, sino que también entiendan el comportamiento humano, predicen e incluyan en sus decisiones. Esta capacidad de navegación interactiva abre nuevas oportunidades para una variedad de aplicaciones, desde robots de entrega hasta sillas de ruedas inteligentes y conducción autónoma.
El desarrollo de Jack es solo el comienzo. La investigación en el campo de la robótica e inteligencia artificial está progresando rápidamente, y podemos esperar más innovaciones emocionantes en los próximos años y décadas. La integración de los robots en nuestra vida cotidiana se volverá cada vez más natural, y los sistemas autónomos desempeñarán un papel cada vez más importante en nuestra sociedad. Por lo tanto, es de importancia crucial que responsabilicemos en el desarrollo de estas tecnologías y tengamos en cuenta los aspectos éticos y sociales desde el principio. Esta es la única forma en que podemos garantizar que los robots y las personas puedan trabajar juntos en beneficio de todos en el futuro.
Adecuado para:
Su socio global de marketing y desarrollo empresarial
☑️ Nuestro idioma comercial es inglés o alemán.
☑️ NUEVO: ¡Correspondencia en tu idioma nacional!
Konrad Wolfenstein
Estaré encantado de servirle a usted y a mi equipo como asesor personal.
Puedes ponerte en contacto conmigo rellenando el formulario de contacto o simplemente llámame al +49 89 89 674 804 (Múnich) . Mi dirección de correo electrónico es: wolfenstein ∂ xpert.digital
Estoy deseando que llegue nuestro proyecto conjunto.
