¿De qué se trata la investigación en robótica (técnica, matemáticamente)?

Conceptualmente hablando, la investigación en robótica se puede dividir principalmente en tres partes como el robot mismo

Sentido-> Plan-> Ley

Cada parte tiene un hardware y un componente de software que intentaré mencionar brevemente.

Sentido : se refiere a sentir el mundo que rodea al robot, o al robot mismo, e interpretar la información detectada (datos de alcance, datos visuales, sonido, etc.) La parte más elemental es el sensor mismo. Láseres, cámaras, micrófonos, GPS, IMU son algunas de las modalidades disponibles. Las universidades y las empresas privadas están constantemente tratando de investigar y desarrollar tecnologías para mejorar estos sensores.

Luego están los algoritmos, la salida del sensor es solo información en bruto. El robot necesita interpretar los datos sin procesar utilizando programas. Esto se conoce comúnmente como “Percepción” o “Cognición”. Cubriré los detalles en una parte posterior de la respuesta. Hay mucha investigación en las universidades y en la industria para encontrar mejores programas y técnicas para extraer información semánticamente más valiosa de los datos del sensor.

Plan: la planificación o la deliberación en robótica se trata de sus programas deliberativos que deciden qué hacer con las entradas y la información recibida de la parte de detección del robot. Un ejemplo de esto es planificar una ruta para su robot o su manipulador. Hay mucha investigación en curso en varios niveles de planificación. Un área de investigación clave es cómo planificar acciones de colaboración para un grupo o un equipo de robots. También existe una IA basada en el paradigma de “Enjambre”, donde las capacidades de planificación y deliberación de cada uno de los robots son muy limitadas, pero trabajando juntas manifiestan una IA compleja (como un enjambre de abejas que construye una colmena)

En términos de hardware, se está llevando a cabo una gran cantidad de investigación para intentar crear sistemas informáticos / en la nube para robots, por ejemplo, la serie Nvidia Drive PX. Esto es principalmente investigación industrial ya que las universidades rara vez tienen el capital para realizar algo como esto.

Actuar: se refiere a la actuación del robot, es decir, las acciones reales que el robot puede realizar. Hay robots simples con dos grados de libertad y robots complejos como el Boston Dynamics Petman, que probablemente tenga decenas de grados de libertad. Estos necesitan motores, accionamientos hidráulicos o neumáticos, solenoides electrostáticos y cientos de otras modalidades que las nuevas investigaciones mejorarán y adaptarán a la robótica.

La parte del software en esto es principalmente el control. Cualquier persona familiarizada con la ingeniería de control es consciente de que a medida que aumentan las variables de entrada (grados de libertad), el problema de control de un sistema de varios cuerpos se vuelve infinitamente complejo. Los científicos de las universidades y la industria tienen como objetivo mejorar el control de estos mecanismos de actuación.

Ahora hablando en un sentido matemático, o más exactamente, “computacional”:

Aprendizaje automático y aprendizaje profundo: herramientas muy potentes para aprender información latente de grandes conjuntos de datos.

Técnicas heurísticas y probabilísticas: enfoques basados ​​en creencias o “suficientemente buenos” para resolver problemas.

Matemáticas: Álgebra lineal, Geometría, cálculo, teoría de conjuntos, probabilidad y estadística son herramientas muy importantes para una gran cantidad de aplicaciones y funcionalidades de robótica.