Imagínate un robot explorando una mina colapsada, buscando sobrevivientes. Cada segundo cuenta, y el robot necesita crear un mapa del entorno rápidamente para navegar con seguridad. Investigadores del MIT han dado un gran paso adelante en esta área, desarrollando un sistema de IA que permite a los robots mapear grandes entornos de forma rápida y precisa.
Un nuevo enfoque para el mapeo robótico
El desafío del mapeo robótico, conocido como SLAM (Simultaneous Localization and Mapping), ha sido un área de investigación activa durante años. El SLAM permite a un robot construir un mapa de su entorno mientras se ubica dentro de ese mapa. Los métodos tradicionales a menudo fallan en entornos complejos o requieren una calibración previa de las cámaras del robot.
Recientemente, se han utilizado modelos de aprendizaje automático para abordar este problema. Sin embargo, incluso los modelos más avanzados tienen limitaciones: solo pueden procesar un número limitado de imágenes a la vez. En situaciones del mundo real, como la búsqueda y el rescate, un robot necesita procesar miles de imágenes para cubrir un área extensa rápidamente.
La solución: Submapas y visión computacional
Para superar estas limitaciones, los investigadores del MIT combinaron conceptos de modelos de visión de IA modernos con técnicas clásicas de visión artificial. Su nuevo sistema puede procesar un número ilimitado de imágenes y generar mapas 3D precisos de entornos complejos en cuestión de segundos. El sistema funciona creando y alineando incrementalmente pequeños submapas de la escena, que luego se unen para reconstruir un mapa 3D completo, estimando la posición del robot en tiempo real.
Una de las ventajas clave de este enfoque es su simplicidad. A diferencia de otros métodos, no requiere cámaras calibradas ni la configuración experta de un sistema complejo. Esta simplicidad, combinada con la velocidad y la calidad de las reconstrucciones 3D, facilita su adaptación a aplicaciones del mundo real.
¿Cómo funciona? El truco está en los submapas
En lugar de intentar crear un mapa completo de una sola vez, el sistema genera pequeños submapas de la escena. Luego, estos submapas se “pegan” para formar una reconstrucción 3D general. Si bien el modelo solo procesa unas pocas imágenes a la vez, el sistema puede recrear escenas más grandes mucho más rápido al unir estos submapas más pequeños.
Dominic Maggio, estudiante graduado del MIT y autor principal del artículo, explica que al principio la solución no funcionaba tan bien como esperaban. Tras analizar investigaciones de visión artificial de décadas pasadas, descubrieron que los errores en el procesamiento de imágenes por parte de los modelos de aprendizaje automático dificultaban la alineación de los submapas.
Los métodos tradicionales alinean los submapas mediante rotaciones y traslaciones. Sin embargo, los nuevos modelos pueden introducir ambigüedad en los submapas, lo que dificulta su alineación. Por ejemplo, un submapa 3D de un lado de una habitación podría tener paredes ligeramente dobladas o estiradas. Simplemente rotar y trasladar estos submapas deformados no funciona.
Una técnica matemática flexible
Inspirándose en la visión artificial clásica, los investigadores desarrollaron una técnica matemática más flexible que puede representar todas las deformaciones en estos submapas. Al aplicar transformaciones matemáticas a cada submapa, este método puede alinearlos de una manera que aborde la ambigüedad.
El sistema toma imágenes como entrada y produce una reconstrucción 3D de la escena y estimaciones de las ubicaciones de la cámara, que el robot usaría para ubicarse en el espacio.
Aplicaciones más allá del rescate
Si bien la aplicación más obvia es la navegación de robots de búsqueda y rescate, este método tiene un potencial mucho más amplio. Podría utilizarse en aplicaciones de realidad extendida para dispositivos portátiles como cascos de realidad virtual, o para permitir que robots industriales encuentren y muevan productos rápidamente dentro de un almacén.
El sistema demostró ser más rápido y preciso que otros métodos, sin necesidad de cámaras especiales ni herramientas adicionales para procesar los datos. Los investigadores generaron reconstrucciones 3D casi en tiempo real de escenas complejas, como el interior de la Capilla del MIT, utilizando solo vídeos cortos grabados con un teléfono móvil. El error promedio en estas reconstrucciones 3D fue de menos de 5 centímetros.
El futuro del mapeo robótico
En el futuro, los investigadores planean hacer que su método sea más confiable para escenas especialmente complicadas y trabajar para implementarlo en robots reales en entornos desafiantes. Este trabajo demuestra el valor de combinar técnicas modernas de IA con conocimientos fundamentales de campos más tradicionales como la geometría.
Como señala Luca Carlone, profesor asociado del MIT: “Saber sobre geometría tradicional vale la pena. Si comprendes profundamente lo que está sucediendo en el modelo, puedes obtener resultados mucho mejores y hacer que las cosas sean mucho más escalables”.
Fuente: MIT News – AI
Leave a Comment