Universal Robots lanza UR AI Trainer para entrenamiento de robots basado en IA

Universal Robots ha presentado el UR AI Trainer, un nuevo sistema diseñado para acelerar el entrenamiento de robots basado en IA para la automatización industrial. La plataforma se dio a conocer en NVIDIA GTC y marca un cambio de las rutinas preprogramadas de robots a flujos de trabajo de movimiento desarrollados por IA. Desarrollada en colaboración con Scale AI, la solución se centra en capturar datos de movimiento e interacción del mundo real para aplicaciones robóticas.

Universal Robots presentando el UR AI Trainer en NVIDIA GTC. Imagen cortesía de Universal Robots.

Acortando la Brecha Entre el Entrenamiento en Laboratorio y el Despliegue en Fábrica

El entrenamiento de robots basado en IA a menudo enfrenta dificultades al pasar de simulaciones en laboratorio a entornos reales de fabricación. Los datos de entrenamiento generados en entornos controlados pueden no reflejar la variación mecánica real, el comportamiento de los objetos o las condiciones de producción. Como resultado, los robots entrenados en simulación frecuentemente requieren ajustes adicionales antes de su despliegue.

Los enfoques tradicionales de entrenamiento también dependen principalmente de conjuntos de datos visuales. Los datos solo visuales no pueden capturar la retroalimentación de torque, las fuerzas de contacto o la resistencia del material. Estas limitaciones reducen el rendimiento en aplicaciones como ensamblaje, inserción y manejo colaborativo.

El Control Directo de Torque Añade Aprendizaje Sensible a la Fuerza

El UR AI Trainer integra el Control Directo de Torque y la retroalimentación de fuerza en el proceso de entrenamiento. Esto permite que los robots aprendan tanto las trayectorias de movimiento como las características de interacción física. Durante el entrenamiento, el sistema registra torque, fuerza de agarre y comportamiento de contacto para construir conjuntos de datos más realistas.

Al combinar la información visual con la retroalimentación mecánica, los robots aprenden cómo deben sentirse las tareas durante su ejecución. Esto mejora el rendimiento en aplicaciones que requieren movimiento adaptativo, colaboración humana y manejo preciso.

El Control Directo de Torque permite a los robots aprender la retroalimentación de fuerza, posibilitando un entrenamiento basado en IA más preciso. Imagen cortesía de Universal Robots.

El Robot Líder Captura Datos de Movimiento e Interacción

El UR AI Trainer utiliza un modelo de entrenamiento líder-seguidor. Un operador guía a un robot líder a través de una secuencia de tareas mientras el sistema registra información de movimiento, fuerza y visual. Los datos recopilados se compilan en un conjunto de datos de Visión-Lenguaje-Acción para entrenar robots adicionales.

Los robots seguidores pueden entonces replicar las acciones aprendidas sin programación manual. Esto reduce el tiempo de ingeniería y mejora la consistencia en las células robóticas. El enfoque también soporta un despliegue más rápido en sistemas de automatización con múltiples robots.

Programación de Robots Impulsada por IA para la Automatización Industrial

El UR AI Trainer representa un paso hacia el entrenamiento máquina a máquina en robótica industrial. Los modelos de IA pueden optimizar trayectorias de movimiento, equilibrar velocidad y precisión, y adaptarse a entornos de producción cambiantes. Esto reduce la dependencia de la programación manual con teach pendant y simplifica la puesta en marcha.

La mayoría del procesamiento se realiza en plataformas externas de computación IA en lugar de en los controladores de los robots. Esta arquitectura permite capacidades avanzadas de IA sin aumentar la complejidad del hardware y soporta un despliegue escalable en múltiples sistemas de automatización.

Aplicaciones en Automatización Industrial

El UR AI Trainer soporta la automatización de ensamblaje, atención a máquinas y manejo de materiales. Es especialmente adecuado para tareas que requieren control sensible a la fuerza, como inserción, pulido y empaquetado. Los entornos de robots colaborativos también se benefician de una inteligencia de movimiento mejorada e interacción adaptativa.

Sobre el Autor

Lin Haoyu cubre automatización industrial, robótica y tecnologías de fabricación impulsadas por IA.