Un robot automatiza el doblado de ropa en 24 horas con un modelo fundacional

El doblado de ropa, una tarea doméstica aparentemente sencilla para los humanos, ha representado tradicionalmente un desafío significativo en la automatización robótica. Un equipo de estudiantes de ingeniería, liderado por Steven Gong, ha abordado esta complejidad desarrollando un robot capaz de completar el proceso de doblado de prendas en un lapso de 24 horas.

Según un informe de Hackster.io, este logro se enmarca en un proyecto de diseño universitario que puso a prueba la capacidad de adaptación de los sistemas de inteligencia artificial en entornos dinámicos.

El sistema robótico empleado consta de cuatro brazos, de los cuales dos son brazos seguidores encargados de manipular la ropa. Los otros dos funcionan como brazos de control (‘leader arms’) que permiten a un operador humano controlar remotamente los movimientos, replicando sus posiciones articulares. Este método de teleoperación fue crucial para la recolección inicial de datos, con aproximadamente 200 demostraciones del proceso completo de doblado registradas durante unas cuatro horas.

El entrenamiento de los modelos de inteligencia artificial se realizó en un potente ordenador externo. Los intentos iniciales con modelos como ACT no lograron que el robot realizara la acción de agarre. Un segundo enfoque con Diffusion Policy resultó en un fallo más drástico, con el robot moviendo sus brazos violentamente hasta romper una de las pinzas impresas en 3D.

Ante estos contratiempos, el equipo optó por π0.5, un modelo fundacional para robótica de 3.300 millones de parámetros, previamente entrenado con un vasto conjunto de datos de manipulación robótica. Tras un proceso de ajuste fino (fine-tuning) utilizando las demostraciones recopiladas, el robot comenzó a ejecutar movimientos más prometedores.

Una complicación adicional surgió cuando el equipo tuvo que trasladar todo el montaje a una ubicación diferente. Los cambios en la iluminación y el entorno circundante obligaron a recolectar nuevas demostraciones y a reajustar el modelo. Durante la noche, se probaron alrededor de 30 puntos de control de modelo distintos para encontrar una solución funcional.

Para las 8:00 de la mañana siguiente, se había logrado una configuración efectiva. El robot fue capaz de recuperar una camisa de una cesta, arrastrarla a una mesa, enderezarla, doblar cada lado hacia el centro, doblar la prenda por la mitad y apilarla de forma autónoma. Aunque el equipo señaló que la solución no era ‘elegante’, sí fue suficientemente operativa para cumplir con la tarea.