Mobile ALOHA: robot doméstico de código abierto

4146

Introducción

El proyecto Mobile ALOHA, desarrollado por un equipo de la Universidad de Stanford en colaboración con el Boston Dynamics AI Institute, representa un avance significativo en robótica. Aborda las limitaciones de los sistemas de manipulación de sobremesa tradicionales al introducir un sistema de teleoperación de cuerpo completo y bajo coste, capaz de realizar tareas complejas de manipulación móvil. Este artículo explora el diseño del hardware, los algoritmos de software y las aplicaciones reales de Mobile ALOHA, y destaca su potencial para transformar la robótica en entornos domésticos e industriales.

Diseño del hardware

Mobile ALOHA combina un robot bimanual y modular con una base móvil, lo que le permite realizar tareas que requieren a la vez movilidad y destreza. Sus componentes clave incluyen:

1. Robot bimanual: el sistema utiliza el robot ALOHA, que cuenta con dos brazos de 6 grados de libertad con pinzas paralelas. Estos brazos están diseñados para ofrecer flexibilidad y facilidad de mantenimiento, lo que los hace ideales para tareas complejas como cocinar y limpiar.
2. Base móvil: el robot está montado sobre una base con ruedas Mecanum, lo que le permite moverse a velocidad de marcha humana (aproximadamente 1,42 m/s). Esta base aporta estabilidad y maniobrabilidad, permitiendo al robot desplazarse eficazmente por entornos interiores.
3. Interfaz de teleoperación: una característica única de Mobile ALOHA es su sistema de teleoperación de cuerpo completo. Los operadores llevan un arnés conectado a la base del robot, lo que les permite controlar simultáneamente el movimiento del robot y las acciones de los brazos. Esta interfaz intuitiva garantiza una recopilación de datos de alta calidad para el aprendizaje por imitación.
4. Computación y sensores a bordo: el sistema está equipado con un ordenador de alto rendimiento (NVIDIA RTX 3070Ti) y varias cámaras, incluidas cámaras en las muñecas y una cámara cenital, para capturar datos visuales durante las operaciones.

Software y algoritmos

Mobile ALOHA aprovecha algoritmos avanzados de aprendizaje por imitación para realizar tareas complejas. Sus aspectos clave incluyen:

1. Clonación de comportamiento: el sistema utiliza aprendizaje supervisado para imitar las demostraciones humanas. Mediante el entrenamiento conjunto con los conjuntos de datos estáticos existentes de ALOHA, Mobile ALOHA alcanza una tasa de éxito del 90 % en tareas como cocinar y abrir armarios.
2. ACT (Action Chunking with Transformers): este algoritmo permite al robot aprender a partir de demostraciones cortas (de tan solo 15 minutos) y generalizar a nuevas tareas. La arquitectura de ACT, basada en transformadores, le permite manejar datos de alta dimensión de forma eficiente.
3. Entrenamiento conjunto: combinar datos de tareas estáticas y móviles mejora el rendimiento del robot. Por ejemplo, Mobile ALOHA puede saltear gambas de forma autónoma, guardar ollas pesadas e incluso llamar al ascensor y entrar en él.

Aplicaciones en el mundo real

Mobile ALOHA ha demostrado su versatilidad en diversos escenarios:

1. Tareas domésticas: el robot puede realizar tareas complejas como cocinar, limpiar y ordenar. Por ejemplo, puede saltear gambas, enjuagar sartenes y guardar ollas pesadas en los armarios.
2. Asistencia en la oficina: Mobile ALOHA puede desplazarse por entornos de oficina, interactuar con ascensores y ayudar en tareas como entregar objetos u organizar espacios de trabajo.
3. Uso industrial: su bajo coste (aproximadamente 32 000 $) y su diseño modular lo hacen adecuado para aplicaciones industriales, como la logística de almacenes y las tareas en líneas de montaje.

Retos y direcciones futuras

Aunque Mobile ALOHA ha logrado un éxito notable, siguen existiendo retos:

1. Generalización: actualmente el sistema requiere demostraciones específicas para cada tarea. El trabajo futuro pretende mejorar su capacidad de generalizar entre tareas con un entrenamiento adicional mínimo.
2. Robustez: mejorar la capacidad del robot para desenvolverse en entornos dinámicos y no estructurados es un área clave.
3. Reducción de costes: reducir aún más el coste del sistema lo hará más accesible para una adopción generalizada.

Conclusión

Mobile ALOHA representa un avance pionero en robótica, combinando hardware de bajo coste con algoritmos de vanguardia de aprendizaje por imitación. Su capacidad para realizar tareas complejas de manipulación móvil abre nuevas posibilidades para la robótica en entornos domésticos, industriales y comerciales. A medida que avanza la investigación, Mobile ALOHA está llamada a convertirse en una piedra angular de los sistemas robóticos de próxima generación.