Burros puede llevar, remolque, explorador, patrulla, mueble, empujar, tirar, o propulsar una variedad de accesorios como plataforma para la manipulación. tención Crédito: Burro AI
En 2018, Burro hizo una demostración. El robot funcionó. Estábamos emocionados. Pensamos que entendíamos el problema. No entendíamos el problema.
Lo que entendimos fue cómo hacer que un robot actúe en condiciones que controlamos, para un público preparado para verlo tener éxito, en un horizonte de tiempo lo suficientemente corto que la larga cola de los fracasos del mundo real no había tenido tiempo de aparecer. Eso es una demostración. Es una prueba de concepto para un escenario mejor.
No es una prueba de concepto para la mañana del martes en noviembre cuando está lloviendo, y la iluminación es plana, y un trabajador se acerca desde un ángulo inesperado, y el robot está operando en un país que nunca ha sido antes.
La brecha entre esas dos cosas es donde la mayoría de las compañías robóticas fallan. No porque su tecnología sea mala, sino porque optimizaron la cosa equivocada durante demasiado tiempo. Mantuvieron viva la demo mientras el problema de despliegue del mundo real no se solucionó.
Convertir una demo en un producto
Burro hizo una elección diferente, aunque no porque éramos más inteligentes. Lo logramos porque no teníamos alternativa. Los entornos en los que estábamos trabajando, los entornos agrícolas al aire libre sin infraestructura fija, sin iluminación controlada y sin confiabilidad GPS bajo el techo.
La fuerza laboral agrícola no iba a modificar su comportamiento para acomodar una máquina. Todo esto no permitió la optimización de condiciones controladas que la robótica interior puede sostener durante años antes de golpear el mundo real. Tuvimos que enfrentar el problema del mundo real inmediatamente, lo que significaba que teníamos que empezar a aprender de él inmediatamente.
Lo que aprendimos primero fue sobre la tolerancia. Las personas que dependen de un robot para su sustento tienen tolerancia cero para la insuficiencia.
Cuando un cliente adopta por primera vez un sistema autónomo, lo considera como una nueva herramienta interesante. Dentro de semanas, si el sistema proporciona valor, su modelo mental cambia completamente. Ahora dependen de ello. Han organizado su flujo de trabajo a su alrededor. Le han dicho a su equipo que lo planee.
Cuando falla, no están ligeramente decepcionados. Están enojados en la forma en que estás enojado cuando la infraestructura crítica falla, porque eso es lo que se ha convertido. Este cambio de novedad a dependencia sucede más rápido de lo que la mayoría de las empresas esperan, y la barra de fiabilidad que establece es más alta que cualquier entorno de laboratorio te preparará.
Lo que aprendimos segundo fue sobre la variabilidad ambiental. Nada al aire libre es estático. La misma fila se ve diferente al amanecer, al mediodía y al atardecer. Se ve diferente en verano e invierno, en lluvia y sol, en polvo y barro. La temperatura varía de debajo de la congelación a 120 grados Fahrenheit.
El robot que realiza de forma fiable a través de todas estas condiciones no es una versión mejor del robot que funciona de forma fiable en uno de ellos. Es un logro de ingeniería fundamentalmente diferente, construido a partir de la exposición a esas condiciones con el tiempo, no de modelarlas en simulación.
Guardar la fecha para RoboBusiness 2026
Trabajar en ambientes al aire libre en los elementos
Los entornos industriales exteriores que representan la próxima frontera para la robótica autónoma presentan exactamente este mismo problema conjunto, con algunas adiciones. Un patio de puerto tiene la variabilidad de ou
condiciones tdoor más la complejidad del tráfico de vehículos pesados, movimiento humano irregular y operaciones que funcionan continuamente sin descansos estacionales.
Un campus logístico tiene la imprevisibilidad del terreno exterior más los requisitos de rendimiento de un negocio que no puede absorber el tiempo de inactividad. Un sitio de construcción tiene todo lo anterior más un ambiente que cambia físicamente cada día a medida que avanza el trabajo.
Ninguno de estos ambientes puede ser resuelto desde dentro de un laboratorio. Ninguno de ellos se puede resolver solo a través de la simulación, sin importar lo sofisticado que se haga la simulación. Sólo se pueden resolver por estar en ellos, acumulando datos reales operativos, fracasando con seguridad, aprendiendo rápidamente y iterando en ese aprendizaje a escala de la flota.
Un error cometido en un ambiente, absorbido en el sistema y corregido, hace que cada unidad que opera en todas partes sea más confiable. Esa no es una ventaja teórica. Es la única forma en que esta clase de problema se resuelve.
La base de investigación que desbloquearía la siguiente fase de robótica autónoma al aire libre e industrial es la localización y percepción libres de infraestructura en condiciones de mundo abierto no estructuradas. La capacidad de saber exactamente dónde estás y qué te rodea, manteniendo que el conocimiento es fiable a medida que los sensores se degradan con el tiempo y el entorno cambia a tu alrededor, sin ninguna infraestructura de apoyo, es la capacidad que separa sistemas que trabajan en demostraciones de sistemas que trabajan en el mundo.
This received serious research investment for indoor environments a decade ago. No ha recibido una inversión equivalente para entornos no estructurados al aire libre, y esa brecha es el principal obstáculo técnico que queda.
La industria de automatización industrial ha realizado un trabajo extraordinario dentro de entornos controlados. La próxima década de valor está fuera de esos entornos, en los patios y pasillos y sitios donde la economía física realmente opera.
Las lecciones para llegar no están en la literatura de investigación. Están en ocho años de operación de campo, un conjunto de datos que nadie más tiene, y una comprensión muy clara de la diferencia entre una demo y un despliegue.
Sabemos lo que esa diferencia cuesta aprender. Lo pagamos por completo.
Sobre el autor
Vibhor Sood es cofundador y vicepresidente de ingeniería en Burro Robotics. Construye robots Burro, y su software los controla.
Sood ha desarrollado muchos de los enfoques informáticos de localización y autonomía en Burro con sede en Filadelfia.
Antes de Burro, Sood trabajó como investigador en los Laboratorios Vader de la Universidad Lehigh, donde se especializó en localización exterior sin infraestructura exacta, y como ingeniero de software en Samsung.
Sood recibió un M.E.E. de Lehigh y un B.S. en ingeniería eléctrica, electrónica y comunicaciones de la Universidad Internacional Manav Rachna en Faridabad, India.
The post Building robots for unpredictable, infrastructure-free environments appeared first on The Robot Report.
Fuente: The Robot Report
Seguí las últimas noticias de robótica en español.
