Universal Robots lanza UR AI Trainer para la capacitación de robots basada 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 presentó en NVIDIA GTC y marca un cambio de las rutinas robóticas preprogramadas a flujos de trabajo de movimiento desarrollados mediante 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 presenta el UR AI Trainer en NVIDIA GTC. Imagen cortesía de Universal Robots.

Reducir la brecha entre el entrenamiento en laboratorio y la implementación en fábrica

El entrenamiento de robots basado en IA suele tener dificultades al pasar de las simulaciones de laboratorio a los entornos reales de fabricación. Los datos de entrenamiento generados en entornos controlados pueden no reflejar la variación mecánica del mundo real, el comportamiento de los objetos ni las condiciones de producción. Como resultado, los robots entrenados mediante simulación suelen requerir ajustes adicionales antes de su implementación.

Los enfoques de entrenamiento tradicionales también dependen principalmente de conjuntos de datos visuales. Los datos exclusivamente visuales no pueden capturar la retroalimentación del par, las fuerzas de contacto ni la resistencia de los materiales. Estas limitaciones reducen el rendimiento en aplicaciones como el ensamblaje, la inserción y la manipulación colaborativa.

El control directo del par añade aprendizaje sensible a la fuerza

El UR AI Trainer integra el control directo del par y la retroalimentación de fuerza en el proceso de entrenamiento. Esto permite a los robots aprender tanto las trayectorias de movimiento como las características de la interacción física. Durante el entrenamiento, el sistema registra el par, la fuerza de agarre y el comportamiento en los contactos para crear 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 manipulación de precisión.

El control directo del par permite a los robots aprender la retroalimentación de fuerza, lo que posibilita 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 datos visuales. Los datos recopilados se compilan en un conjunto de datos de Visión-Lenguaje-Acción para entrenar robots adicionales.

Los robots seguidores pueden replicar posteriormente las acciones aprendidas sin programación manual. Esto reduce el tiempo de ingeniería y mejora la uniformidad entre las celdas robóticas. El enfoque también permite una implementación más rápida 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 la robótica industrial. Los modelos de IA pueden optimizar las trayectorias de movimiento, equilibrar velocidad y precisión, y adaptarse a entornos de producción cambiantes. Esto reduce la dependencia de la programación manual mediante el panel de enseñanza y simplifica la puesta en marcha.

La mayor parte del procesamiento se ejecuta en plataformas externas de computación para IA, en lugar de hacerlo en los controladores de los robots. Esta arquitectura permite incorporar capacidades avanzadas de IA sin aumentar la complejidad del hardware y facilita una implementación escalable en múltiples sistemas de automatización.

Aplicaciones de automatización industrial

El UR AI Trainer es compatible con la automatización del ensamblaje, la alimentación de máquinas y la manipulación de materiales. Es especialmente adecuado para tareas que requieren un control sensible a la fuerza, como la inserción, el pulido y el empaquetado. Los entornos con robots colaborativos también se benefician de una mayor inteligencia de movimiento y de una interacción adaptativa.

Sobre el autor

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