febrero 7, 2025

Entrenando robots en el metaverso industrial impulsado por IA

Por ejemplo, Siemens SIMATIC Robot Pick AI desarrolla esta visión de adaptabilidad, transformando robots industriales estándar, antes limitados a tareas rígidas y repetitivas, en máquinas complejas. Entrenada con datos sintéticos (simulaciones virtuales de formas, materiales y entornos), la IA prepara a los robots para manejar tareas impredecibles, como recoger objetos desconocidos de contenedores caóticos, con más del 98% de precisión. Cuando ocurren errores, el sistema aprende y mejora a través de comentarios concretos. Es importante destacar que esta no es una solución de un solo robot. Las actualizaciones de software se extienden a flotas enteras, mejorando los robots para que trabajen de manera más flexible y satisfagan la creciente demanda de producción adaptativa.

Otro ejemplo es el de la empresa de robótica ANYbotics, que genera modelos 3D de entornos industriales que funcionan como gemelos digitales de entornos reales. Los datos operativos, como la temperatura, la presión y los caudales, se integran para crear réplicas virtuales de instalaciones físicas donde los robots pueden entrenar. Una central eléctrica, por ejemplo, puede utilizar sus planos de sitio para generar simulaciones de las tareas de inspección que necesita que realicen robots en sus instalaciones. Esto acelera la capacitación y el despliegue de robots, permitiéndoles operar exitosamente con una configuración mínima en el sitio.

La simulación también permite multiplicar los robots destinados a la formación casi sin coste alguno. “En simulación podemos crear miles de robots virtuales para practicar tareas y optimizar su comportamiento. Esto nos permite acelerar el tiempo de formación y compartir conocimientos entre robots”, afirma Péter Fankhauser, director ejecutivo y cofundador de ANYbotics.

Debido a que los robots deben comprender su entorno independientemente de su orientación o iluminación, ANYbotics y su socio Digica Creó un método para generar miles de imágenes sintéticas para entrenar robots. Al eliminar el tedioso trabajo de recopilar una gran cantidad de imágenes reales en el taller, se reduce significativamente el tiempo necesario para enseñar a los robots lo que necesitan saber.

De manera similar, Siemens aprovecha los datos sintéticos para generar entornos simulados para entrenar y validar digitalmente modelos de IA antes de su implementación en productos físicos. «Utilizando datos sintéticos, creamos variaciones en la orientación de los objetos, la iluminación y otros factores para garantizar que la IA se adapte bien a diferentes condiciones», explica Vincenzo De Paola, director de proyectos de Siemens. “Simulamos todo, desde la orientación de las habitaciones hasta las condiciones de iluminación y sombras. Esto permite que el modelo se entrene en varios escenarios, mejorando su capacidad para adaptarse y responder con precisión en el mundo real.

Los gemelos digitales y los datos sintéticos han demostrado ser poderosos antídotos contra la escasez de datos y el costoso entrenamiento de robots. Los robots que se entrenan en entornos artificiales pueden prepararse de forma rápida y económica para una amplia variedad de posibilidades visuales y escenarios que pueden encontrar en el mundo real. «Validamos nuestros modelos en este entorno simulado antes de implementarlos físicamente», explica De Paola. “Este enfoque nos permite identificar rápidamente cualquier problema potencial y perfeccionar el modelo con un costo y tiempo mínimos. »

El impacto de esta tecnología puede extenderse más allá del entrenamiento inicial del robot. Si se utilizan datos reales del rendimiento del robot para actualizar su gemelo digital y analizar posibles optimizaciones, esto puede crear un ciclo dinámico de mejora para mejorar sistemáticamente el aprendizaje, las capacidades y el rendimiento del robot a lo largo del tiempo.

El robot bien educado en el trabajo

Con la IA y la simulación marcando el comienzo de una nueva era en el entrenamiento de robots, las organizaciones cosecharán los beneficios. Los gemelos digitales permiten a las empresas implementar robótica avanzada con tiempos de configuración drásticamente reducidos, y la adaptabilidad mejorada de los sistemas de visión basados ​​en IA facilita que las empresas modifiquen sus líneas de productos en respuesta a las demandas cambiantes del mercado.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *