Triunfo de AgiBot en los "Juegos Olímpicos" de robots: 18 oros con su gafete de trabajo puesto

¡Los trabajadores cibernéticos pidieron permiso para asistir a los "Juegos Olímpicos de Robots"!

En estos Juegos Mundiales de Robots Humanoides, el que más ha destacado ha sido el robot de AgiBot, que pidió un permiso en su fábrica para acudir al evento deportivo.

Finalmente, encabezó el medallero con 18 medallas de oro, 16 de plata y 12 de bronce. Entre ellas, su mano hábil se llevó 7 de los 8 oros en las competencias especiales, ganó 6 de los 12 oros en la pista de operaciones y se adjudicó 5 oros en las pruebas atléticas.

La mano hábil del equipo conjunto de la Universidad de Wuhan y AgiBot tomó una pequeña cuchara, pesó 20 gramos de sal en 27 segundos, y también fue capaz de usar pinzas para agarrar frijoles y construir bloques de plástico; el modelo Genie G2 entró en un escenario de rescate contra incendios y también completó la organización de libros en una biblioteca; el modelo Expedition A3 completó con facilidad movimientos de alta dificultad como el giro exterior de 540°...

¿Quién iba a imaginar que, antes de competir, estos robots estaban trabajando diligentemente en la fábrica?

Esta es la primera participación de AgiBot en una competición. Todos los modelos inscritos son máquinas de producción en masa; no hay modelos personalizados fabricados exclusivamente para el torneo.

De "trabajador" a "atleta", AgiBot no ha cambiado su genoma laboral. Ha aprovechado al máximo la experiencia acumulada en escenarios de aplicación reales, demostrando la capacidad de despliegue de los robots, que pasan de "poder hacer demostraciones" a "poder realizar trabajos reales".

Sin más preámbulos, APPSO te trae un análisis de este gran ganador de los Juegos Mundiales de Robots Humanoides: cómo arrasaron en la pista.

Trabajadores en su día a día, atletas de élite estos días

En la ceremonia de apertura, el robot Expedition A3 de AgiBot protagonizó un duelo mano a mano con la campeona olímpica Ding Ning.

El tenis de mesa es probablemente uno de los deportes más difíciles de "dominar" para un robot. La velocidad de la pelota es alta, el efecto es variado y la ventana de golpeo se calcula en milisegundos; lo más complicado es que al otro lado de la mesa hay una campeona olímpica capaz de cambiar tácticas y modificar la dirección del balón en cualquier momento.

El resultado de este encuentro fue que el Expedition A3 demostró una notable capacidad de adaptación improvisada.

En un segundo era un experto del tenis de mesa, y al siguiente, la escena cambió drásticamente:

Entró en escena un maestro de taichí.

En la competición de artes marciales - taichí, el Expedition A3 completó de una sola vez toda una rutina de alta dificultad, que incluyó una patada voladora + giro exterior de 450°, giro exterior de 360° + postura de jinete, y giro exterior de 540° + postura de jinete.

Hasta los ancianos que hacen ejercicio por la mañana suspirarían: profesional.

Esto le valió a AgiBot su tercera medalla de oro en estos Juegos Mundiales de Robots Humanoides.

En la competición de taichí, de hecho, no solo se evalúa si el robot puede ejecutar el movimiento; lo más importante se resume en tres palabras: parecido, estable y difícil.

Los brazos, la cintura y las piernas no pueden moverse de manera independiente. La transición y el ritmo, rápido o lento de los movimientos, deben estar conectados.

Tomando la postura de jinete como ejemplo, no solo hay que bajar el centro de gravedad, sino también controlar la fuerza conjunta de rodillas, caderas y tobillos. Si una sola articulación no sigue el ritmo, la escena puede pasar de "hacerlo con facilidad" a "dar tumbos y tropezar".

Ante rutinas nuevas como el taichí, el A3 aprende principalmente las leyes generales del movimiento a partir de los datos acumulados en la plataforma Lingchuang. El sistema adapta la trayectoria y el ritmo del movimiento basándose en las capacidades motrices existentes.

Durante el entrenamiento, AgiBot también utilizó el método Sim2Real. El robot practica primero el salto, el giro y la recepción en un entorno de simulación. El equipo de ingeniería puede ajustar los parámetros de movimiento y probar repetidamente diferentes estados.

Posteriormente, la estrategia obtenida del entrenamiento se transfiere al robot físico. La fricción, la holgura articular, los errores de los sensores y el impacto de aterrizaje en el mundo real difieren del entorno de simulación. El sistema de control debe seguir ajustándose para que el movimiento se complete de manera estable en la máquina real.

El "control de relajación y tensión" que exige el taichí se traduce, en el caso del robot, en una evaluación pública de la estructura del propio robot y su capacidad de control motor.

Además, los juegos también decidieron el oro en los 100 metros con obstáculos, donde el AgiBot Lingxi X2 se proclamó campeón. En estado de marcha a alta velocidad, el Lingxi X2 completó simultáneamente una serie de acciones como esquivar, cruzar obstáculos y pasar por espacios reducidos.

Basado en su motor de cerebelo universal generativo AGILE, desarrollado internamente, el Lingxi X2 combina una ventaja significativa de velocidad con una excelente estabilidad al sortear obstáculos irregulares, y es capaz de tomar decisiones autónomas o semiautónomas en diversos terrenos.

Al llegar a las pruebas de escenario, AgiBot jugaba como local. Como "trabajador" nato, el Genie G2 de AgiBot ya había sido desplegado a gran escala en fábricas como Longqi y SAIC antes de los juegos, acumulando una vasta "experiencia laboral".

La prueba de escenario de emergencia contra incendios reprodujo un entorno de incendio real. Los robots participantes debían completar secuencialmente tres tareas centrales: identificación de materiales peligrosos, corte de válvulas anormales, y agarre del extintor y extinción del fuego.

El extintor pesa entre 4,5 y 5 kilos, muy por encima del límite de carga de las pinzas terminales de la inmensa mayoría de los robots humanoides del mercado.

AgiBot no fabricó una pinza cara y personalizada para esto, sino que añadió un componente estructural en la muñeca. Aprovechando la resistencia estructural de la propia muñeca, enganchó el extintor y lo insertó en un cubo de transporte especial con una inclinación de 20 grados en el chasis, eludiendo el cuello de botella de carga con una ingeniosa estructura mecánica.

Acompañando este conjunto de movimientos está el sistema de teleoperación más allá de la línea de visión desarrollado por AgiBot. El sistema realiza un mapeo de cinemática inversa basado en una solución de VR, transformando los movimientos corporales del operador en instrucciones para el robot. Emplea un control de cuerpo completo para mapear el movimiento del operador al robot, asistido por una estrategia de control de fuerza que otorga al robot flexibilidad y tolerancia a fallos al entrar en contacto con el entorno.

El operador no tiene que esquivar deliberadamente cada colisión, lo que permite que los movimientos sean más naturales y continuos.

En el control robótico tradicional, cualquier contacto físico que se desvíe de la trayectoria preestablecida puede activar la protección contra sobrecarga del motor de la articulación, provocando la parada del sistema.

Al introducir un algoritmo de control de cuerpo completo basado en retroalimentación de fuerza, AgiBot logra que el robot, al entrar en contacto con pomos de puertas, válvulas o equipos contra incendios, pueda generar una ligera deformación elástica similar a las articulaciones humanas, absorbiendo así la fuerza de impacto de la colisión.

La prueba de escenario en biblioteca pone a prueba la estabilidad de todo el proceso. AgiBot formó un equipo conjunto con la Universidad de Tsinghua y la Universidad Jiao Tong de Shanghái para competir, debiendo completar tres tareas: transporte de salida, colocación de libros en los estantes, e identificación y corrección de libros mal colocados.

En la operación real de organización de libros, el reflejo de la luz en las portadas y el desorden en la disposición de los libros plantean exigencias extremadamente altas para el reconocimiento visual. El modelo visual adoptado por el equipo conjunto no solo es capaz de extraer la información de texto en la superficie de los libros, sino también clasificar según el grosor...