Los ingenieros del MIT están entrando en el juego robótico de ping pong con un diseño potente y liviano que devuelve disparos con precisión de alta velocidad.
El nuevo bot de tenis de mesa comprende un brazo robótico multióside que se fija en un extremo de una mesa de ping pong y ejerce una paleta de ping pong estándar. Ayudado por varias cámaras de alta velocidad y un sistema de management predictivo de alto ancho de banda, el robotic estima rápidamente la velocidad y la trayectoria de una bola entrante y ejecuta uno de varios tipos de swing: bucle, unidad o corte, para golpear con precisión la pelota a una ubicación deseada en la mesa con varios tipos de giro.
En las pruebas, los ingenieros arrojaron 150 bolas al robotic, una tras otra, desde el otro lado de la mesa de ping pong. El bot devolvió con éxito las bolas con una tasa de golpes de aproximadamente el 88 por ciento en los tres tipos de swing. La velocidad de ataque del robotic se acerca a las principales velocidades de retorno de los jugadores humanos y es más rápido que la de otros diseños de tenis de mesa robótica.
Ahora, el equipo está buscando aumentar el radio de juego del robotic para que pueda devolver una variedad más amplia de tiros. Luego, imaginan que la configuración podría ser un competidor viable en el creciente campo de los sistemas de entrenamiento robótico inteligente.
Más allá del juego, el equipo cube que la tecnología de tenis de mesa podría adaptarse para mejorar la velocidad y la capacidad de respuesta de los robots humanoides, particularmente para los escenarios de búsqueda y rescate, y situaciones en las que un robotic necesitaría reaccionar o anticipar rápidamente.
“Los problemas que estamos resolviendo, específicamente relacionados con la interceptación de objetos de manera muy rápida y precisa, podrían ser útiles en escenarios en los que un robotic tiene que llevar a cabo maniobras dinámicas y planificar donde su efector last se encontrará con un objeto, en tiempo actual”, cube el estudiante graduado del MIT David Nguyen.
Nguyen es coautor del nuevo estudio, junto con el estudiante graduado del MIT Kendrick Cancio y Sangbae Kim, profesor asociado de ingeniería mecánica y jefe del Laboratorio de Robótica Biomimética del MIT. Los investigadores presentarán los resultados de esos experimentos en un artículo en la Conferencia Internacional de Robótica y Automatización (ICRA) IEEE este mes.
Juego preciso
Construir robots para jugar Ping Pong es un desafío que los investigadores han asumido desde la década de 1980. El problema requiere una combinación única de tecnologías, incluida la visión synthetic de alta velocidad, motores y actuadores rápidos y ágiles, management preciso del manipulador y predicción precisa y en tiempo actual, así como la planificación de la estrategia de juego de nivel superior.
“Si piensa en el espectro de problemas de management en la robótica, tenemos la manipulación de un extremo, que generalmente es lento y muy preciso, como recoger un objeto y asegurarse de que lo esté comprendiendo bien. En el otro extremo, tiene una locomoción, que se trata de ser dinámico y adaptarse a las perturbaciones en su sistema”, explica Nguyen. “Ping Pong se sienta entre ellos. Todavía estás haciendo manipulación, ya que tienes que ser preciso al golpear la pelota, pero tienes que golpearla dentro de los 300 milisegundos. Por lo tanto, equilibra problemas similares de locomoción dinámica y manipulación precisa”.
Los robots de Ping Pong han recorrido un largo camino desde la década de 1980, más recientemente con diseños de Omron y Google Deepmind que emplean técnicas de inteligencia synthetic para “aprender” de los datos anteriores de Ping Pong, para mejorar el rendimiento de un robotic contra una variedad cada vez mayor de golpes y disparos. Se ha demostrado que estos diseños son lo suficientemente rápidos y precisos como para reunirse con jugadores humanos intermedios.
“Estos son robots realmente especializados diseñados para jugar Ping Pong”, cube Cancio. “Con nuestro robotic, estamos explorando cómo las técnicas utilizadas para jugar Ping Pong podrían traducirse a un sistema más generalizado, como un robotic humanoide o antropomórfico que puede hacer muchas cosas diferentes y útiles”.
Management de juegos
Para su nuevo diseño, los investigadores modificaron un brazo robótico ligero y de alta potencia que el laboratorio de Kim desarrolló como parte del MIT humanoide: un robotic bípedo de dos brazos que es aproximadamente del tamaño de un niño pequeño. El grupo está utilizando el robotic para probar varias maniobras dinámicas, incluida la navegación de terreno desigual y variable, así como saltar, ejecutar y hacer backflips, con el objetivo de implementar dichos robots para operaciones de búsqueda y rescate.
Cada uno de los brazos del humanoide tiene cuatro articulaciones, o grados de libertad, cada uno controlado por un motor eléctrico. Cancio, Nguyen y Kim construyeron un brazo robótico related, que adaptaron para Ping Pong agregando un grado adicional de libertad en la muñeca para permitir el management de una paleta.
El equipo fijó el brazo robótico a una mesa en un extremo de una mesa estándar de ping pong y estableció cámaras de captura de movimiento de alta velocidad alrededor de la mesa para rastrear bolas que se rebotan en el robotic. También desarrollaron algoritmos de management óptimos que predicen, según los principios de las matemáticas y la física, qué velocidad y orientación de paletas deben ejecutar el brazo para golpear una bola entrante con un tipo explicit de swing: bucle (o topspin), impulso (directo) o cortar (backspin).
Implementaron los algoritmos utilizando tres computadoras que procesaron simultáneamente las imágenes de la cámara, estimaron el estado en tiempo actual de una pelota y tradujeron estas estimaciones a comandos para que los motores del robotic reaccionen rápidamente y dan un swing.
Después de rebotar consecutivamente 150 bolas en el brazo, descubrieron que la tasa de aciertos del robotic, o la precisión de devolver la pelota, period casi la misma para los tres tipos de columpios: 88.4 por ciento para huelgas de bucle, 89.2 por ciento para chuletas y 87.5 por ciento para impulsos. Desde entonces, han sintonizado el tiempo de reacción del robotic y han encontrado que el brazo golpea las bolas más rápido que los sistemas existentes, a velocidades de 20 metros por segundo.
En su artículo, el equipo informa que la velocidad de ataque del robotic, o la velocidad a la que la paleta golpea la pelota, es en promedio de 11 metros por segundo. Se sabe que los jugadores humanos avanzados devuelven bolas a velocidades de entre 21 y 25 metros de segundo. Desde que escribieron los resultados de sus experimentos iniciales, los investigadores han modificado aún más el sistema y han registrado velocidades de ataque de hasta 19 metros por segundo (aproximadamente 42 millas por hora).
“Parte del objetivo de este proyecto es decir que podemos alcanzar el mismo nivel de atletismo que la gente tiene”, cube Nguyen. “Y en términos de velocidad de ataque, nos estamos acercando muy, muy cerca”.
Su trabajo de seguimiento también ha permitido que el robotic apunte. El equipo incorporó algoritmos de management en el sistema que predicen no solo cómo sino dónde golpear una pelota entrante. Con su última iteración, los investigadores pueden establecer una ubicación objetivo en la mesa, y el robotic golpeará una pelota a esa misma ubicación.
Debido a que se fija en la mesa, el robotic tiene movilidad y alcance limitados, y en su mayoría puede devolver bolas que llegan dentro de un área en forma de media luna alrededor de la línea media de la mesa. En el futuro, los ingenieros planean manipular el bot en un pórtico o plataforma con ruedas, lo que le permite cubrir más de la mesa y devolver una variedad más amplia de tomas.
“Una gran cosa sobre el tenis de mesa es predecir el giro y la trayectoria de la pelota, dada la forma en que tu oponente lo golpeó, que es información que un lanzador de pelota automático no te dará”, cube Cancio. “Un robotic como este podría imitar las maniobras que un oponente haría en un entorno de juego, de una manera que ayude a los humanos a jugar y mejorar”.
Esta investigación es apoyada, en parte, por el Instituto Robotics y AI.
