Imagine un futuro en el que los robots estén tan integrados en el tejido de la vida humana que se vuelvan tan comunes como lo son los teléfonos inteligentes hoy en día. El campo de la robótica tiene el potencial de mejorar en gran medida la calidad de nuestras vidas en el trabajo, en el hogar y en el juego al proporcionar a las personas apoyo para las tareas cognitivas y físicas. Durante años, los robots han apoyado la actividad humana en tareas peligrosas, sucias y aburridas, y han permitido la exploración de entornos inalcanzables, desde los océanos profundos hasta el espacio profundo. Cada vez más, los robots más capaces serán capaces de adaptarse, aprender e interactuar con humanos y otras máquinas a niveles cognitivos.
El rápido progreso de la tecnología en la última década ha hecho que la informática sea indispensable. La informática ha transformado la forma en que trabajamos, vivimos y jugamos. La digitalización de prácticamente todo, junto con los avances en robótica, promete un futuro en el que el acceso a máquinas de alta tecnología se democratiza y la personalización se generaliza. Los robots son cada vez más capaces debido a su capacidad para ejecutar cálculos más complejos e interactuar con el mundo a través de sensores cada vez más ricos y mejores actuadores.
Un mundo conectado con muchos robots personalizados que trabajan junto a las personas ya está creando nuevos puestos de trabajo, mejorando la calidad de los puestos de trabajo existentes y ahorrando tiempo a las personas para que puedan centrarse en lo que consideran interesante, importante y emocionante. Hoy en día, los robots ya se han convertido en nuestros socios en entornos industriales y domésticos. Trabajan codo a codo con la gente en fábricas y quirófanos. Cortan nuestro césped, aspiran nuestros pisos e incluso ordeñan nuestras vacas. En unos años, tocarán aún más partes de nuestras vidas.
Viajar al trabajo en tu coche sin conductor te permitirá leer, devolver llamadas, ponerte al día con tus podcasts favoritos e incluso echar una siesta. El coche robótico también servirá como su asistente, haciendo un seguimiento de lo que necesita hacer, planificando sus rutas para asegurarse de que todas sus tareas estén hechas y revisando los últimos datos de tráfico para seleccionar las carreteras menos congestionadas. Los autos sin conductor ayudarán a reducir las muertes por accidentes automovilísticos, mientras que las carretillas elevadoras autónomas pueden ayudar a eliminar las lesiones en la espalda causadas por levantar objetos pesados. Los robots pueden cambiar algunos puestos de trabajo existentes, pero, en general, los robots pueden hacer grandes contribuciones a la sociedad. Los robots para el cuidado del césped y los robots para la limpieza de piscinas han cambiado la forma en que se realizan estas tareas. Los robots pueden ayudar a la humanidad con problemas grandes y pequeños.
La digitalización de prácticamente todo, junto con los avances en robótica, promete un futuro donde se democratiza el acceso a máquinas de alta tecnología y se generaliza la personalización
El objetivo de la robótica no es reemplazar a los humanos mecanizando y automatizando tareas, sino, más bien, encontrar nuevas formas que permitan a los robots colaborar con los humanos de manera más efectiva. Los robots son mejores que los humanos en tareas como calcular números y moverse con precisión. Los robots pueden levantar objetos mucho más pesados. Los humanos son mejores que los robots en tareas como razonar, definir abstracciones y generalizar o especializarse gracias a nuestra capacidad de aprovechar experiencias anteriores. Al trabajar juntos, los robots y los humanos pueden aumentar y complementar las habilidades del otro.
Una Década de Progreso Que permite la autonomía
Los avances en robótica durante la última década han demostrado que los dispositivos robóticos pueden locomotrizar, manipular e interactuar con las personas y su entorno de maneras únicas. Las capacidades de locomoción de los robots han sido habilitadas por la amplia disponibilidad de sensores precisos (por ejemplo, escáneres láser), motores de alto rendimiento y el desarrollo de algoritmos robustos para mapeo, localización, planificación de movimiento y navegación de puntos de ruta. Muchas aplicaciones nuevas son posibles gracias al progreso en el desarrollo de cuerpos de robot (hardware) y cerebros de robot (software).
Las capacidades de los robots se definen por el estrecho acoplamiento entre sus cuerpos físicos y la computación que comprende sus cerebros. Por ejemplo, un robot volador debe tener un cuerpo capaz de volar y algoritmos para controlar el vuelo. Los robots de hoy en día pueden hacer locomoción básica en el suelo, en el aire y en el agua. Pueden reconocer objetos, mapear nuevos entornos, realizar operaciones de selección y colocación, aprender a mejorar el control, imitar movimientos humanos simples, adquirir nuevos conocimientos e incluso actuar como un equipo coordinado. Por ejemplo, los últimos robots y algoritmos de fútbol se ponen en práctica en una competencia anual de fútbol de robots llamada RoboCup.
Los avances recientes en el almacenamiento en disco, la escala y el rendimiento de Internet, la comunicación inalámbrica, las herramientas de apoyo al diseño y la fabricación, y la potencia y eficiencia de la electrónica, junto con el crecimiento mundial del almacenamiento de datos, han impactado el desarrollo de robots de múltiples maneras. Los costos de hardware están disminuyendo, los componentes electromecánicos son más confiables, las herramientas para fabricar robots son más ricas, los entornos de programación están más disponibles y los robots tienen acceso al conocimiento del mundo a través de la nube. Podemos empezar a imaginar el salto de la computadora personal al robot personal, lo que lleva a muchas aplicaciones en las que los robots existen de forma generalizada y trabajan codo a codo con los humanos.
El objetivo de la robótica no es reemplazar a los humanos mecanizando y automatizando tareas, sino, más bien, encontrar nuevas formas que permitan a los robots colaborar con los humanos de manera más efectiva
El transporte es un gran ejemplo. Es mucho más fácil mover un robot por el mundo que construir un robot que pueda interactuar con él. Durante la última década, los avances significativos en algoritmos y hardware nos han permitido imaginar un mundo en el que las personas y los bienes se trasladan de una manera mucho más segura y conveniente con flotas optimizadas de automóviles autónomos.
En un solo año, los estadounidenses conducen casi tres billones de millas.1 Si promedia eso a 60 mph, eso suma casi cincuenta mil millones de horas gastadas en el automóvil.2 Ese número crece exponencialmente cuando se considera el resto del mundo. Pero el tiempo que pasamos en nuestros coches no está exento de desafíos. Hoy en día, un accidente automovilístico ocurre cada cinco segundos en los Estados Unidos.3 A nivel mundial, las lesiones causadas por accidentes de tránsito son la octava causa de muerte, con cerca de 1,24 millones de vidas perdidas cada año.4 Además de este terrible costo humano, estos accidentes tienen un enorme costo económico. La Administración Nacional de Seguridad del Tráfico en Carreteras ha calculado el costo económico en los Estados Unidos en aproximadamente 2 277 mil millones al año.5 Hacer mella en estos números es un enorme desafío, pero es muy importante abordarlo. Los vehículos autónomos tienen el potencial de eliminar los accidentes de tráfico.
Imagine si los autos pudieran aprender learn aprender cómo conducimos learn aprender cómo nunca ser responsables de una colisión learn aprender lo que necesitamos cuando conducimos? ¿Y si pudieran convertirse en socios de confianza? Socios que podrían ayudarnos a navegar por carreteras difíciles, cuidar nuestras espaldas cuando estamos cansados, incluso hacer que nuestro tiempo en el coche fun divertido? ¿Qué pasaría si tu auto pudiera saber que estás teniendo un día duro y encendiera tu música favorita para ayudarte a relajarte, mientras observas cuidadosamente cómo conduces? ¿Qué pasaría si tu auto también supiera que olvidaste llamar a tus padres ayer y emitiera un recordatorio suave de camino a casa? E imaginen que era fácil hacer esa llamada porque podían entregar la conducción al auto en un tramo aburrido de la carretera.
Reconociendo este extraordinario potencial durante los últimos dos años, la mayoría de los fabricantes de automóviles anunciaron proyectos de automóviles autónomos. Elon Musk predijo que podríamos quedarnos dormidos al volante en cinco años; el automóvil de Google / Waymo ha estado en las noticias mucho por conducir varios millones de millas sin accidentes; Nissan prometió autos autónomos para 2020; Mercedes creó un prototipo de automóvil Autónomo Modelo S de 2014; y Toyota anunció (septiembre de 2015) un ambicioso programa para desarrollar un automóvil que nunca será responsable de una colisión, e invirtió $1 mil millones para avanzar en inteligencia artificial.
Hay mucha actividad en este espacio en un gran espectro de capacidades de automóviles. Para comprender dónde caen todos los diversos avances, es útil mirar la clasificación de la Administración Nacional de Seguridad del Tráfico en Carreteras (NHTSA) de cinco niveles de autonomía: El Nivel 0 no incluye ningún soporte para automatización; El nivel 1 incluye herramientas para proporcionar información adicional al conductor humano, por ejemplo, usando una cámara trasera; el Nivel 2 incluye control activo localizado, por ejemplo, frenos antibloqueo; el Nivel 3 incluye soporte para una autonomía selecta, pero el humano debe estar listo para asumir el control (como en el piloto automático Tesla); el Nivel 4 incluye autonomía en algunos lugares en algún momento; y el Nivel 5 es autonomía en todos los entornos todo el tiempo.
Una forma alternativa de caracterizar el nivel de autonomía de un automóvil autónomo es de acuerdo con tres ejes que definen (1) la velocidad del vehículo; (2) la complejidad del entorno en el que se mueve el vehículo, y (3) la complejidad de las interacciones con agentes en movimiento (automóviles, personas, ciclistas, etc.) en ese entorno. Los investigadores están empujando el sobre a lo largo de cada uno de estos ejes, con el objetivo de acercarse al Nivel 5 de autonomía.
Durante la última década, los avances significativos en algoritmos y hardware nos han permitido imaginar un mundo en el que las personas y los bienes se trasladan de una manera mucho más segura y conveniente con flotas optimizadas de automóviles autónomos
Debido a los avances algorítmicos y de hardware durante la última década, la tecnología actual está lista para implementaciones de Nivel 4 a bajas velocidades en entornos de baja complejidad con bajos niveles de interacción con peatones y otros vehículos circundantes. Esto incluye autonomía en caminos privados, como en comunidades de retiro y campus, o en caminos públicos que no están muy congestionados.
La autonomía de nivel 4 ha sido posible gracias a una década de avances en el hardware y los algoritmos disponibles para los robots. Lo más importante es la convergencia de varios desarrollos algorítmicos importantes: creación de mapas, lo que significa que el vehículo puede usar sus sensores para crear un mapa; localización, lo que significa que el vehículo puede usar sus sensores para averiguar dónde está en el mapa; percepción, lo que significa que el vehículo puede percibir los objetos en movimiento en la carretera; planificación y toma de decisiones, lo que significa que el vehículo puede averiguar qué hacer a continuación en función de lo que ve ahora; y hardware confiable, así como conjuntos de datos de conducción que permiten a los automóviles aprender a conducir de los humanos. Hoy en día, podemos hacer tantos cálculos simultáneos, procesar muchos más datos y ejecutar algoritmos en tiempo real. Estas tecnologías nos han llevado a un punto en el tiempo en el que podemos discutir de manera realista la idea de autonomía en las carreteras.
Sin embargo, todavía no tenemos autonomía de nivel 5. Los desafíos tecnológicos hacia la autonomía de nivel 5 incluyen: conducir en condiciones de congestión, conducir a altas velocidades, conducir en condiciones climáticas adversas (lluvia, nieve), conducir entre conductores humanos, conducir en áreas donde no hay mapas de alta densidad y responder a casos de curvas. El sistema de percepción de un vehículo no tiene la misma calidad y eficacia que el ojo humano. Para ser claros, hay algunas cosas que las máquinas pueden hacer mejor que las personas, como estimar con precisión la rapidez con que se mueve otro vehículo. Pero los robots no comparten nuestras capacidades de reconocimiento. ¿Cómo podrían? Pasamos toda nuestra vida aprendiendo a observar el mundo y a darle sentido. Las máquinas requieren algoritmos para hacer esto, y datos, montones y montones de datos, anotados para decirles lo que todo significa. Para hacer posible la autonomía, tenemos que desarrollar nuevos algoritmos que les ayuden a aprender de muchos menos ejemplos de manera no supervisada, sin intervención humana constante.
Hay dos filosofías que impulsan la investigación y el desarrollo en la conducción autónoma: autonomía en serie y autonomía paralela. La autonomía paralela se refiere al desarrollo de tecnologías de asistencia al conductor cuando el conductor está al volante, pero el sistema de asistencia al conductor supervisa lo que hace el conductor e interviene según sea necesario, de una manera que no perjudique—por ejemplo, para evitar una colisión o para corregir el ángulo de dirección que mantiene el automóvil en la carretera. Las capacidades de autonomía del automóvil crecen de forma incremental, pero operan en paralelo con el humano. El enfoque de autonomía paralela permite que el automóvil funcione en cualquier lugar y en cualquier momento. La autonomía en serie persigue la idea de que el ser humano o el automóvil están a cargo, pero no ambos. Cuando el automóvil está en modo autónomo, el ser humano no contribuye de ninguna manera a la conducción. Las capacidades de autonomía del automóvil también crecen gradualmente, pero este automóvil solo puede funcionar de acuerdo con las capacidades soportadas por su paquete de autonomía. El automóvil funcionará gradualmente en entornos cada vez más complejos.
Hay dos filosofías que impulsan la investigación y el desarrollo en la conducción autónoma: la autonomía en serie y la autonomía paralela. Esto último se refiere al desarrollo de tecnologías de asistencia al conductor donde el conductor está al volante, pero el sistema de asistencia al conductor supervisa lo que hace el conductor e interviene según sea necesario
Las soluciones de autonomía de la serie actual funcionan en entornos cerrados (definidos por las carreteras en las que puede conducir el vehículo). La receta de la autonomía comienza aumentando los vehículos con control por cable y sensores como cámaras y escáneres láser. Los sensores se utilizan para crear mapas, detectar obstáculos en movimiento, como peatones y otros vehículos, y localizar el vehículo en el mundo. Las soluciones de conducción autónoma se basan en mapas y se benefician de una década de progreso en el área de localización y mapeo simultáneos (SLAM). Los mapas se construyen conduciendo el vehículo autónomo en cada segmento de carretera posible, recopilando características con los sensores. Los mapas se utilizan para cada unidad autónoma posterior, para planificar un camino desde el inicio hasta la meta, para ejecutar el camino evitando obstáculos y para localizar los vehículos a medida que ejecuta el camino.
La mayoría de las compañías de automóviles autónomos solo prueban sus flotas en las principales ciudades donde han desarrollado mapas 3D detallados que están etiquetados meticulosamente con las posiciones exactas de cosas como carriles, bordillos y señales de alto. Estos mapas incluyen características ambientales detectadas por los sensores del vehículo. Los mapas se crean utilizando sistemas LIDAR 3D que se basan en la luz para escanear el espacio local, acumulando millones de puntos de datos y extrayendo las características que definen cada lugar.
Si queremos que los coches autónomos sean una tecnología global viable, esta dependencia de mapas previos detallados es un problema. Hoy en día los vehículos autónomos no son capaces de conducir en entornos rurales, donde no tenemos mapas—en otras palabras, en los millones de kilómetros de carreteras que están sin pavimentar, a oscuras o poco confiable marcado. En el CSAIL del MIT, comenzamos a desarrollar MapLite como un primer paso para permitir que los automóviles autónomos naveguen por carreteras en las que nunca habían estado antes utilizando solo GPS y sensores. Nuestro sistema combina datos GPS, como los que se encuentran en Google Maps, con datos tomados de sensores LIDAR. Juntos, estos dos elementos nos permiten conducir un automóvil de forma autónoma en múltiples carreteras rurales sin pavimentar y detectar de manera confiable la carretera con más de 100 pies (30 metros) de anticipación. Otros investigadores han estado trabajando en diferentes enfoques sin mapas con diferentes grados de éxito. Los métodos que utilizan sensores de percepción como LIDAR a menudo tienen que depender en gran medida de las marcas viales o hacer generalizaciones amplias sobre la geometría de los bordillos de la carretera. Mientras tanto, los enfoques basados en la visión pueden funcionar bien en condiciones ideales, pero tienen problemas cuando hay clima adverso o mala iluminación. En términos de»autonomía de nivel 5″, es decir, autonomía en cualquier lugar y en cualquier momento, todavía nos faltan algunos años, y esto se debe a desafíos técnicos y regulatorios.
Los vehículos autónomos pueden adoptar muchas formas diferentes, incluidos carritos de golf, sillas de ruedas, scooters, equipaje, carritos de compras, contenedores de basura e incluso barcos. Estas tecnologías abren la puerta a una amplia gama de nuevos productos y aplicaciones
Mientras que el progreso ha sido significativo en el aspecto técnico, lograr que las políticas se pongan al día ha sido un proceso comprensiblemente complejo e incremental. Los responsables políticos siguen debatiendo el nivel al que deben regularse los vehículos autónomos. ¿Qué tipos de vehículos se deben permitir en la carretera y quién está autorizado a manejarlos? ¿Cómo se debe probar la seguridad y por quién? ¿Cómo podrían los diferentes regímenes de responsabilidad dar forma a la adopción oportuna y segura de vehículos autónomos, y cuáles son las ventajas y desventajas? ¿Cuáles son las implicaciones de un mosaico de leyes y reglamentos estado por estado, y cuáles son las compensaciones para armonizar estas políticas? ¿En qué medida los responsables políticos deberían fomentar la adopción de vehículos autónomos? Por ejemplo, a través de infraestructura de carreteras inteligentes, carriles de autopistas dedicados, incentivos para fabricantes o consumidores. Se trata de cuestiones complejas relacionadas con el uso de vehículos autónomos en la vía pública. Al mismo tiempo, una forma de autonomía que ya se puede implementar ahora es la «autonomía de nivel 4», definida como autonomía en algunos entornos algunas veces. La tecnología está aquí para vehículos autónomos que pueden conducir con buen tiempo, en caminos privados y a velocidades más bajas.
Los entornos como comunidades de jubilados, campus, hoteles y parques de atracciones pueden beneficiarse de las tecnologías de autonomía de Nivel 4. Los vehículos autónomos pueden tomar muchas formas diferentes, incluidos carritos de golf, sillas de ruedas, scooters, equipaje, carritos de compras, cubos de basura e incluso botes. Estas tecnologías abren la puerta a una amplia gama de nuevos productos y aplicaciones, desde la movilidad bajo demanda hasta las compras y el transporte autónomos de mercancías, y una movilidad más eficiente en los hospitales. Todos se beneficiarían de que el transporte se convirtiera en un servicio público ampliamente disponible, pero esos beneficios tendrán un impacto particular en los nuevos conductores, nuestra población de ancianos y las personas afectadas por enfermedades o discapacidades.
La tecnología que permite la autonomía de los automóviles puede tener un impacto social muy amplio. Imagine a los residentes de una comunidad de jubilados transportados de forma segura en carritos de golf automatizados. En el futuro, podremos automatizar cualquier cosa sobre ruedas, no solo las aspiradoras de hoy, sino también las cortadoras de césped o incluso los cubos de basura.
Si queremos que los coches autónomos sean una tecnología global viable, esta dependencia de mapas previos detallados es un problema. Los vehículos autónomos de hoy en día no son capaces de conducir en entornos rurales donde no tenemos mapas
La misma tecnología que permitirá este nivel de automatización incluso podría usarse para ayudar a las personas con discapacidades, como los ciegos, a experimentar el mundo de maneras nunca antes posibles. La discapacidad visual afecta a aproximadamente 285 millones de personas en todo el mundo, personas que podrían beneficiarse enormemente de una mayor movilidad y asistencia robótica. Este es un segmento de la población que la tecnología a menudo ha dejado atrás o ignorado, pero, en este caso, la tecnología podría marcar la diferencia. Los dispositivos portátiles que incluyen los sensores utilizados por los automóviles autónomos y el software de autonomía de funcionamiento podrían permitir a las personas con discapacidad visual experimentar el mundo de forma segura y de formas mucho más ricas que el bastón.
La robótica cambiará la forma en que transportamos personas y cosas en un futuro muy cercano. Pero, poco después, hará más que entregar las cosas a tiempo; también nos permitirá producir esas cosas rápida y localmente.
Desafíos en robótica
A pesar de los avances recientes y significativos en el campo, y las promesas para el futuro, los robots de hoy en día siguen siendo bastante limitados en su capacidad para resolver las cosas, su comunicación a menudo es frágil y toma demasiado tiempo fabricar nuevos robots. La adopción amplia de robots requerirá una integración natural de los robots en el mundo humano en lugar de una integración de los humanos en el mundo de las máquinas.
Razonamiento
Los robots solo pueden realizar un razonamiento limitado debido al hecho de que sus cálculos están cuidadosamente especificados. Para los robots de hoy en día, todo se explica con instrucciones simples y el alcance del robot está completamente contenido en su programa. Tareas que los humanos dan por sentado, por ejemplo, hacer la pregunta » ¿He estado aquí antes?»son notoriamente difíciles para los robots. Los robots registran las características de los lugares que han visitado. Estas características se extraen de sensores como cámaras o escáneres láser. Es difícil para una máquina diferenciar entre características que pertenecen a una escena que el robot ya ha visto y una nueva escena que contiene algunos de los mismos objetos. En general, los datos recopilados de sensores y actuadores son demasiado grandes y de un nivel demasiado bajo; es necesario asignarlos a abstracciones significativas para que los robots puedan usar la información de manera efectiva. La investigación actual de aprendizaje automático sobre big data está abordando cómo comprimir un conjunto de datos grande en un pequeño número de puntos de datos semánticamente significativos. El resumen también puede ser utilizado por robots. Por ejemplo, los robots podrían resumir su historia visual para reducir significativamente el número de imágenes necesarias para determinar si «he estado aquí antes.»
Además, los robots no pueden hacer frente a situaciones inesperadas. Si un robot se encuentra con un caso para el que no estaba programado o que está fuera del alcance de sus capacidades, entrará en un estado de error y se detendrá. A menudo, el robot no puede comunicar la causa del error. Por ejemplo, los robots de limpieza al vacío están diseñados y programados para moverse en el suelo, pero no pueden subir escaleras.
Los robots necesitan aprender a ajustar sus programas, adaptarse a su entorno y a las interacciones que tienen con las personas, con sus entornos y con otras máquinas. Hoy en día, todo el mundo con acceso a Internet tiene la información del mundo a su alcance, incluidas las máquinas. Los robots podrían aprovechar esta información para tomar mejores decisiones. Los robots también podrían registrar y utilizar toda su historia (por ejemplo, la salida de sus sensores y actuadores), y las experiencias de otras máquinas. Por ejemplo, un robot entrenado para pasear a su perro podría acceder al informe meteorológico en línea y luego, en función de los paseos anteriores, determinar la mejor ruta a seguir. Tal vez un corto paseo si hace calor o llueve, o un largo paseo a un parque cercano donde se encuentran actualmente otros caminantes robóticos para perros. Todo esto podría determinarse sin interacción o intervención humana.
Comunicación
Un mundo con muchos robots trabajando juntos requiere una comunicación fiable para la coordinación. A pesar de los avances en la comunicación inalámbrica, todavía hay impedimentos en la comunicación de robot a robot. El problema es que modelar y predecir la comunicación es notoriamente difícil y cualquier método de control de robot que se base en los modelos de comunicación actuales está lleno de ruido. Los robots necesitan enfoques de comunicación más confiables que garanticen el ancho de banda que necesitan, cuando lo necesitan. Para obtener una comunicación resistente de robot a robot, un nuevo paradigma es medir localmente la calidad de la comunicación en lugar de predecirla con modelos. Usando la idea de medir la comunicación, podemos comenzar a imaginar el uso de robots voladores como estaciones base móviles que se coordinan entre sí para proporcionar cobertura de comunicación a escala planetaria. Enjambres de robots voladores podrían traer acceso a Internet a todas partes del mundo.
La comunicación entre robots y personas también es actualmente limitada. Si bien se han empleado tecnologías del habla para dar comandos a los robots en lenguaje humano (por ejemplo, «muévete a la puerta»), el alcance y el vocabulario de estas interacciones son superficiales. Los robots podrían usar la ayuda de los humanos cuando se atascan. Resulta que incluso una pequeña cantidad de intervención humana en la tarea de un robot cambia completamente el problema y faculta a las máquinas para hacer más.
Actualmente, cuando los robots se encuentran con algo inesperado (un caso para el que no estaba programado) se quedan atascados. Supongamos que, en lugar de quedarse atascado, el robot fue capaz de razonar por qué está atascado y obtener ayuda humana. Por ejemplo, un trabajo reciente sobre el uso de robots para ensamblar muebles de IKEA demuestra que los robots pueden reconocer cuando una pata de la mesa está fuera de su alcance y pedir a los humanos que les entreguen la pieza. Después de recibir la pieza, los robots reanudan la tarea de montaje. Estos son algunos de los primeros pasos hacia la creación de equipos simbióticos humano-robot donde robots y humanos pueden pedirse ayuda mutuamente.
Diseño y fabricación
Otro gran desafío con los robots de hoy en día es el tiempo que se tarda en diseñar y fabricar nuevos robots. Necesitamos acelerar la creación de robots. Muchos tipos diferentes de robots están disponibles hoy en día, pero cada uno de estos robots tardó muchos años en producirse. Las capacidades de computación, movilidad y manipulación de los robots están estrechamente acopladas al cuerpo del robot, su sistema de hardware. Dado que los cuerpos de los robots de hoy en día son fijos y difíciles de extender, las capacidades de cada robot están limitadas por su cuerpo. Fabricar nuevos robots (módulos robóticos adicionales, accesorios o herramientas especializadas para ampliar las capacidades) no es una opción real, ya que el proceso de diseño, fabricación, ensamblaje y programación es largo y engorroso. Necesitamos herramientas que aceleren el diseño y la fabricación de robots. Imagine crear un compilador de robots que tome como entrada la especificación funcional del robot (por ejemplo, «Quiero que un robot juegue al ajedrez conmigo») y calcule un diseño que cumpla con la especificación, un plan de fabricación y un entorno de programación personalizado para usar el robot. Muchas tareas, grandes y pequeñas, podrían automatizarse mediante el diseño y fabricación rápidos de muchos tipos diferentes de robots utilizando un compilador de robots de este tipo.
Hacia la robótica Omnipresente
Hay brechas significativas entre dónde están los robots hoy en día y la promesa de una integración omnipresente de los robots en la vida cotidiana. Algunas de las lagunas se refieren a la creación de robots: ¿cómo diseñamos y fabricamos nuevos robots de forma rápida y eficiente? Otras lagunas se refieren a la computación y las capacidades de los robots para razonar, cambiar y adaptarse a tareas cada vez más complejas en entornos cada vez más complejos. Otras brechas se refieren a las interacciones entre robots, y entre robots y personas. Las direcciones actuales de investigación en robótica empujan el sobre en cada una de estas direcciones, con el objetivo de mejores soluciones para fabricar robots, controlar el movimiento de los robots y sus habilidades de manipulación, aumentar la capacidad de los robots para razonar, permitir la percepción a nivel semántico a través de la visión artificial y desarrollar una coordinación y cooperación más flexible entre máquinas y entre máquinas y seres humanos. Superar estos desafíos acercará a los robots a la visión de la robótica omnipresente: el mundo conectado de muchas personas y muchos robots que realizan muchas tareas diferentes.
La robótica personalizada penetrante es un gran desafío, pero su alcance no difiere del desafío de la computación penetrante, que se formuló hace unos veinticinco años. Hoy en día, podemos decir que la informática es omnipresente, se ha convertido en una utilidad y está disponible en cualquier lugar y en cualquier momento. Entonces, ¿qué se necesitaría para tener una integración generalizada de los robots en la vida cotidiana? Mark Weiser, que fue científico jefe de Xerox PARC y es conocido como el padre de la computación ubicua, dijo de la computación omnipresente que: «Las tecnologías más profundas son las que desaparecen. Se entretejen en el tejido de la vida cotidiana hasta que son indistinguibles de él.»
Por ejemplo, la electricidad fue una vez una tecnología novedosa y ahora es parte de la vida. Las tecnologías robóticas tienen el potencial de unir la computadora personal y la electricidad como aspectos omnipresentes de la vida cotidiana. En un futuro próximo, las tecnologías robóticas cambiarán la forma en que pensamos sobre muchos aspectos de la vida cotidiana.
Hay brechas significativas entre el lugar donde se encuentran los robots hoy en día y la promesa de una integración generalizada de los robots en la vida cotidiana. Estas brechas se refieren a la creación de robots, su computación y capacidad para razonar, cambiar y adaptarse para tareas cada vez más complejas en entornos cada vez más complejos, y su capacidad para interactuar con personas
Las flotas de automóviles autónomos tienen el potencial de convertir el transporte en una utilidad, con viajes personalizados disponibles en cualquier lugar y en cualquier momento. El transporte público podría convertirse en un sistema de dos capas: una red de vehículos grandes (por ejemplo, trenes, autobuses) que proporcionan transporte troncal para muchas personas a largas distancias, y flotas de contenedores de transporte que brindan las necesidades de transporte personalizadas de las personas para saltos cortos. Dicha red de transporte estaría conectada a la infraestructura de TI y a las personas para proporcionar movilidad a pedido. El funcionamiento de la red troncal podría incluir rutas dinámicamente cambiantes para adaptarse a las necesidades de las personas. Los datos de transporte históricos y en tiempo real ya se utilizan para determinar las rutas de autobús más óptimas y la ubicación de las paradas con una granularidad fina. La movilidad a petición puede verse facilitada por las tecnologías más avanzadas para vehículos autónomos. Llevar un coche sin conductor a dar un paseo podría ser tan fácil como usar un teléfono inteligente. Las cápsulas de robot sabrían cuando la gente llega a una estación, dónde están las personas que necesitan un aventón ahora, y dónde están las otras cápsulas de robot. Después de llevar a las personas a su destino, las cápsulas de robots se dirigían al siguiente cliente, utilizando algoritmos de coincidencia de demanda y coordinación para optimizar las operaciones de la flota y minimizar el tiempo de espera de las personas. El transporte público sería conveniente y personalizado.