La robótica inteligente autónoma es un enorme campo de estudio multidisciplinario, que se apoya esencialmente sobre la ingeniería (mecánica, eléctrica, electrónica e informática) y las ciencias (física, autonomía, psicología, biología, zoología, etología, etc.,). Se refiere a sistemas automáticos de alta complejidad que presentan una estructura mecánica articulada –gobernada por un sistema de control electrónico- y características de autonomía, fiabilidad, versatilidad y movilidad.
En esencia, los “robots inteligentes autónomos” son sistemas dinámicos que consisten en un controlador electrónico acoplado a un cuerpo mecánico. Así, estas máquinas de adecuados sistemas sensoriales (para percibir el entorno donde se desenvuelven), de una precisa estructura mecánica adaptable (a fin de disponer de una cierta destreza física de locomoción y manipulación) de complejos sistemas efectores y de sofisticados sistemas de control (para llevar a cabo acciones correctivas cuando sea necesario).
Los robots autónomos son capaces de realizar tareas medianamente complejas en entornos reales sin ninguna o prácticamente ninguna supervisión. Sus capacidades les permiten tomar sus propias decisiones en entornos poco conocidos, imprevisibles y cambiantes con el tiempo.
Robótica evolutiva
Mediante un diseño fijo, es difícil lograr que un robot se adapte a un entorno dinámico que evoluciona a menudo mediante cambios caóticos. De allí que la robótica evolutiva puede proporcionar una adecuada solución a este problema, ya que la maquina puede adquirir automáticamente nuevos comportamientos dependiendo de las situaciones dinámicas que se presentan en el entorno en donde está situada.
A través de la utilización de técnicas evolutivas, se puede decidir evolucionar el sistema de control o algunas características del cuerpo del robot o co-evolucionar ambas.
De igual manera, se puede decidir evolucionar físicamente el hardware o el software. No obstante, poco hay hechos sobre hardware evolutivo y, normalmente, lo que se hace es evolucionar primero el controlador en una simulación por computadora y, solo después, se lo transfiere a los robots reales. El controlador del robot consiste típicamente en redes neuronales artificiales, y la evolución consiste en modificar los pesos de las conexiones de dicha red.
En la actualidad, el principal inconveniente del control evolutivo es su lenta velocidad de convergencia y la considerable cantidad de tiempo que tiene que pasar para llevar a cabo el proceso evolutivo sobre un robot real. Así mismo, no esa apropiado para resolver el problema de creciente complejidad.
Ejemplos sencillos los podemos encontrar en aparatos domóticas como por ejemplo los robots aspiradores. Ejemplos en tareas más complejas van desde la conducción automática de vehículos hasta los robots de exploración planetaria como el Spirit o el Oportunity
No hay comentarios:
Publicar un comentario