El prototipo del experimento
Un sistema informático de navegación basado en el funcionamiento del hipocampo, que es una región del cerebro localizada bajo la corteza y que desempeña una importante función en la memoria, ha sido aplicado en un coche robótico y autónomo, que ha conseguido seguir una serie de lo que los científicos han dado en llamar “huellas cognoscitivas” de sus alrededores.
De esta manera, un automóvil ha sido capaz por primera vez de explorar y recordar lugares de la misma forma en que lo hacemos los mamíferos. En la prueba, el vehículo consiguió recorrer con éxito un kilómetro y medio de una zona urbana sin “perderse”, informa la revista Technology Review.
El vehículo escogido para el experimento es de la marca Daimler-Chrysler Smart Car, y estuvo equipado con un telémetro láser (aparato que sirve para determinar las distancias), y con cámaras y sensores omnidireccionales, especialmente aplicados para la realización del experimento.
El mismo sistema ha sido también probado en un robot al que se trasladó a un sitio desconocido desde el que debía regresar a casa. El experimento fue realizado por Adriana Tapus, especialista en robótica de la University of Southern California de los Ángeles, que el año pasado presentó una tesis sobre el sistema.
Exploración y mapeo simultáneos
Tal como explica Adriana Tapus en la mencionada tesis, la localización y cartografía simultáneas (SLAM, de localización, planificación, exploración y mapeo) es la técnica que se pretende perfeccionar, puesto que cada vez es considerada más importante para robots, vehículos autónomos y vehículos militares aéreos no tripulados. El objetivo final sería crear un mapa a partir del cual el robot pueda moverse, al mismo tiempo que continúa explorando su entorno.
La dificultad radica en que se debe cartografiar un entorno desconocido, a la vez que se actualiza una posición concreta dentro de ese mismo mapa. A esa dificultad habría que añadir la inexactitud inherente de todas las medidas que realizan los sensores, lo que produce errores en el mapa que el robot genera.
Para resolver estos problemas, Tapus decidió imitar la forma en que las personas nos movemos por el mundo. En colaboración con el especialista Roland Siegwart, jefe del Autonomos Systems Laboratory de la École Polytechnique Fédérale de Lausana, en Suiza, desarrolló un sistema que recoge los datos sin procesar detectados por los sensores del robot, como los bordes verticales, las esquinas y los colores, y los combina en una única descripción o “huella” del lugar.
Esta huella consiste en una lista circular o continua de características significativas que se reúnen en una representación única. Tapus cree que de esta forma nuestro cerebro forma el mismo tipo de combinaciones mientras establece la posición relativa de las señales que percibimos.
Localización y referencias
En los cerebros de los mamíferos existen unas células que residen en el hipocampo y que se ha demostrado que se activan siguiendo diversos patrones según la localización del animal. Existe un enorme interés en intentar copiar este modelo biológico y aplicarlo a la robótica, porque funciona perfectamente.
Las soluciones que han propuesto los sistemas SLAM tradicionales radican en utilizar los sensores robóticos para construir continuamente mapas geométricos de su entorno o para crear representaciones simbólicas de las características que rodean al robot. Pero estas aproximaciones generan problemas: sin son más precisas, el robot tendrá más dificultades para reconocer el lugar más tarde, y si no lo son suficientemente el robot confundirá un lugar con otro.
Las “huellas cognoscitivas” que imitarían el funcionamiento del hipocampo evitarían estos problemas proporcionando una nueva forma efectiva de representación de los lugares, y que requiere sólo de unos pocos recursos informáticos. Además, dado que mantienen la posición relativa de las señales, resulta fácil usar algoritmos de probabilidad para compararlas con sitios conocidos, incluso si el robot no se encuentra situado en el mismo sitio o si alguno de los objetos de un entorno anteriormente conocido se han movido.
Todo esto será muy útil para los sistemas de navegación en automóvil, porque aunque el GPS es suficiente para situarse, a veces resulta útil conocer la posición del robot o del vehículo con respecto a edificios, árboles o intersecciones. Para ello, se requiere una técnica más refinada, más cercana a la de la biología.
De esta manera, un automóvil ha sido capaz por primera vez de explorar y recordar lugares de la misma forma en que lo hacemos los mamíferos. En la prueba, el vehículo consiguió recorrer con éxito un kilómetro y medio de una zona urbana sin “perderse”, informa la revista Technology Review.
El vehículo escogido para el experimento es de la marca Daimler-Chrysler Smart Car, y estuvo equipado con un telémetro láser (aparato que sirve para determinar las distancias), y con cámaras y sensores omnidireccionales, especialmente aplicados para la realización del experimento.
El mismo sistema ha sido también probado en un robot al que se trasladó a un sitio desconocido desde el que debía regresar a casa. El experimento fue realizado por Adriana Tapus, especialista en robótica de la University of Southern California de los Ángeles, que el año pasado presentó una tesis sobre el sistema.
Exploración y mapeo simultáneos
Tal como explica Adriana Tapus en la mencionada tesis, la localización y cartografía simultáneas (SLAM, de localización, planificación, exploración y mapeo) es la técnica que se pretende perfeccionar, puesto que cada vez es considerada más importante para robots, vehículos autónomos y vehículos militares aéreos no tripulados. El objetivo final sería crear un mapa a partir del cual el robot pueda moverse, al mismo tiempo que continúa explorando su entorno.
La dificultad radica en que se debe cartografiar un entorno desconocido, a la vez que se actualiza una posición concreta dentro de ese mismo mapa. A esa dificultad habría que añadir la inexactitud inherente de todas las medidas que realizan los sensores, lo que produce errores en el mapa que el robot genera.
Para resolver estos problemas, Tapus decidió imitar la forma en que las personas nos movemos por el mundo. En colaboración con el especialista Roland Siegwart, jefe del Autonomos Systems Laboratory de la École Polytechnique Fédérale de Lausana, en Suiza, desarrolló un sistema que recoge los datos sin procesar detectados por los sensores del robot, como los bordes verticales, las esquinas y los colores, y los combina en una única descripción o “huella” del lugar.
Esta huella consiste en una lista circular o continua de características significativas que se reúnen en una representación única. Tapus cree que de esta forma nuestro cerebro forma el mismo tipo de combinaciones mientras establece la posición relativa de las señales que percibimos.
Localización y referencias
En los cerebros de los mamíferos existen unas células que residen en el hipocampo y que se ha demostrado que se activan siguiendo diversos patrones según la localización del animal. Existe un enorme interés en intentar copiar este modelo biológico y aplicarlo a la robótica, porque funciona perfectamente.
Las soluciones que han propuesto los sistemas SLAM tradicionales radican en utilizar los sensores robóticos para construir continuamente mapas geométricos de su entorno o para crear representaciones simbólicas de las características que rodean al robot. Pero estas aproximaciones generan problemas: sin son más precisas, el robot tendrá más dificultades para reconocer el lugar más tarde, y si no lo son suficientemente el robot confundirá un lugar con otro.
Las “huellas cognoscitivas” que imitarían el funcionamiento del hipocampo evitarían estos problemas proporcionando una nueva forma efectiva de representación de los lugares, y que requiere sólo de unos pocos recursos informáticos. Además, dado que mantienen la posición relativa de las señales, resulta fácil usar algoritmos de probabilidad para compararlas con sitios conocidos, incluso si el robot no se encuentra situado en el mismo sitio o si alguno de los objetos de un entorno anteriormente conocido se han movido.
Todo esto será muy útil para los sistemas de navegación en automóvil, porque aunque el GPS es suficiente para situarse, a veces resulta útil conocer la posición del robot o del vehículo con respecto a edificios, árboles o intersecciones. Para ello, se requiere una técnica más refinada, más cercana a la de la biología.