Economía Digital Disruptiva

Desarrollo de técnicas de aprendizaje para COBOTS basadas en interacción humana y aprendizaje de refuerzo (COLEARNING 4.0)

La programación de robots se ha simplificado mucho en los últimos años. Los fabricantes han desarrollado herramientas gráficas y métodos gestuales que facilitan la generación de programas en cualquier tipo de robot. Obviamente, cada programa es válido en un entorno concreto y para una tarea específica, por lo que se requiere reprogramación si cambia alguna de las dos circunstancias.

Por ello, uno de los retos clave del despliegue de COBOTS (robots colaborativos) en entornos donde la presencia humana es importante, tales como las industrias manufactureras, es la adaptación a tareas que cambian con frecuencia y de forma impredecible. En estas circunstancias, el robot debería poder actualizar rápidamente la forma en que desarrolla su tarea. Es decir debería poder aprender de forma incremental y adaptándose a las circunstancias tanto del entorno como de la tarea.

Más allá de los sistemas de programación que cada fabricante de robots utiliza, los cuales tienden a simplificar y facilitar la programación, se pueden implementar técnicas que aceleran el aprendizaje del robot para realizar nuevas tareas. Y algo que sería más importante en determinados tipos de trabajo: permitirían afrontar tareas que no son exactamente iguales a la aprendida, pudiéndose asumir variaciones que formen parte de la naturaleza cambiante de los productos procesados, adaptando el ciclo de trabajo a las características de cada producto individual.

En este sentido, el Instituto Tecnológico AIDIMME ha iniciado el proyecto COLEARNING 4.0, para “enseñar” a los robots colaborativos (cobots) a realizar trabajos más allá de los estándares programados, y que solo la habilidad y experiencia humanas son capaces de precisar para tareas específicas. La iniciativa tiene como objetivo desarrollar un sistema de aprendizaje robótico que permita la reconfiguración del programa de manera autónoma, integrando progresivamente las variables cambiantes de proceso y producto que no puede contemplar una programación estándar.

La adaptación del cobot a las tareas de producción viene determinada por la autoreconfiguración de su programación y que viene marcada por variaciones dimensionales o geométricas en la materia prima, por las características de los materiales más o menos duros o elásticos, o por cambios en el entorno de producción por la iluminación, temperatura o posición, entre otros parámetros.

Esta flexibilidad es imprescindible para automatizar la acción del robot ya que es inviable que cada pieza disponga de una rutina programada, y por tanto siempre se aplica la misma presión, velocidad y recorrido, provocando fallos en la secuencia del proceso de fabricación y defectos en las piezas, como peladuras, rayas, o falta de uniformidad.

Como caso de uso se va utilizar un proceso con mucha carga de trabajo manual, como es el lijado y pulido de piezas de tablero derivado de la madera y chapa metálica, cuyas geometrías difieren ligeramente de unas piezas a otras.

En concreto, los objetivos específicos del proyecto se centran en evaluar dos técnicas de aprendizaje para lograr el objetivo de autoreconfiguración del ciclo de trabajo, como es la propia demostración humana, por un lado, y por otro el aprendizaje de refuerzo mediante redes neuronales de tres capas y el uso de funciones de recompensa, y que explicaremos en sucesivos artículos.

Del mismo modo, la iniciativa va a desarrollar un sistema de aprendizaje que permita adecuar la rutina de lijado y pulido a las características de cada unidad de producto sin necesidad de apoyo externo ni modificaciones en la programación estándar. Y por último, se van a desarrollar las interfaces y elementos de hardware y software adecuados para aplicar el sistema en aprendizaje en entornos productivos.

Los avances en la aplicación de la robótica de grandes dimensiones a los procesos productivos en el marco de la Industria 4.0 son significativos y evidentes para grandes producciones en serie, como pueda ser la industria de la automoción. Sin embargo, para la pequeña y mediana empresa, en concreto la industria manufacturera, estas soluciones pasan por los denominados robots colaborativos, y es aquí donde COLEARNING 4.0 juega un papel determinante para el tejido productivo valenciano.

proyectosdestacados

25 febrero 2024

Envases inteligentes con nuevas funcionalidades por impresión electrónica (printed electronics) (SMART-PRINTED-PACK)

La introducción de la electrónica impresa en los envases y embalajes va a suponer una revolución en este...
25 febrero 2024

Plataformas embebidas de baja energía escalables (SCALOPES)

El objetivo principal del proyecto SCALOPES (siglas de SCalable LOw Power Embedded platformS), en el que participa el...
25 febrero 2024

Plataforma de cooperación tecnológica para el desarrollo de materiales y productos innovadores para el hábitat infantil

La plataforma de cooperación tecnológica para el desarrollo de materiales y productos innovadores para el hábitat infantil nace...