El Robot Que Puede Moverse Es Inútil Si No Puede Ver
Una empresa de robótica minera explica por qué la percepción es el problema más difícil en la autonomía industrial, y qué sucede cuando las máquinas pierden la visión en una nube de polvo.
Puntos clave
- Autonomous Solutions Inc. (ASI) ha registrado 4,5 millones de millas autónomas en sitios mineros, agrícolas y de construcción.
- Los sensores de grado automotriz temprano de ASI fallaron completamente dentro de un año: el polvo, la vibración y las temperaturas extremas los destruyeron.
- El tiempo de inactividad no planeado en grandes operaciones mineras puede costar decenas de miles de dólares por hora, lo que hace que los fallos de percepción sean extremadamente costosos.
- La autonomía industrial moderna combina LiDAR para mapeo espacial, cámaras para contexto visual y radar para visibilidad a través del polvo y la niebla.
Un camión minero que transporta 200 toneladas de mineral no puede detenerse y pedir direcciones. Necesita saber, en menos de un segundo, que un vehículo ligero acaba de cruzar 80 metros adelante a través de una pared de polvo rojo. El que pueda hacerlo depende entirely de qué tan bien ve.
Mel Torrie, cofundador y CEO de Autonomous Solutions Inc. (ASI), una empresa con sede en Utah que construye sistemas autónomos para la industria pesada, presentó ese argumento en un artículo publicado por The Robot Report. Su caso vale la pena analizar, porque aborda algo que la mayoría de la cobertura de tecnología de conducción autónoma pierde.
Por qué el GPS por sí solo no es suficiente
El GPS le dice a una máquina dónde está en un mapa. Punto. No puede decir qué hay directamente frente a ella.
Durante años, los vehículos autónomos industriales se apoyaron fuertemente en GPS para la navegación. Eso funciona en una ruta fija sin sorpresas. Los sitios mineros reales no son rutas fijas. Los caminos cambian a medida que avanza la extracción. Los obstáculos aparecen sin previo aviso. En un calor de 45 grados, rodeado de polvo, una señal de satélite no puede mantener a un trabajador seguro.
ASI aprendió esto dolorosamente. Los kits de sensores tempranos tomados de la industria automotriz fallaron completamente dentro de doce meses. El polvo y la vibración los destruyeron. El equipo tuvo que diseñar reemplazos desde cero, construidos para condiciones de campo en lugar de fábricas de automóviles. Como informamos el 20 de julio, el cofundador de Burro hizo un punto similar sobre robots agrícolas: el laboratorio no es donde viven los problemas difíciles de autonomía.
¿Cómo se ve realmente la percepción moderna?
Tres tipos de sensores ahora trabajan juntos en un vehículo ASI, cada uno detectando lo que los otros pierden.
| Sensor | Lo que hace bien | Debilidad |
|---|---|---|
| LiDAR (mapeo láser) | Medición precisa de distancia en 3-D | Lucha en polvo pesado o lluvia |
| Cámara CMOS | Lee contexto visual: persona vs. poste | Necesita luz; falla en polvo espeso |
| Radar | Ve a través de polvo, niebla y oscuridad | Resolución espacial más baja |
Ejecutar los tres juntos significa que ningún punto de fallo único ciega el vehículo. El sistema también procesa datos de sensores en el vehículo mismo, en tiempo real, sin enviar nada a un servidor distante primero. Esperar una respuesta en la nube mientras una carretilla cruza tu camino no es una opción.
El objetivo no es una máquina que se detenga cuando detecte un obstáculo. Una máquina que simplemente se detiene paraliza todo un sitio. El objetivo es una máquina que prediga qué es probable que haga a continuación una persona cercana y elija la respuesta más segura antes de que la situación se convierta en una crisis.
¿Deberían los trabajadores ordinarios preocuparse por esta tecnología?
Para los trabajadores en sitios industriales, una mejor percepción de máquinas es directamente protectora. Un sistema que pueda distinguir a una persona de un poste de cerca y predecir que la persona está caminando hacia la ruta del vehículo es menos probable que cause un accidente que uno que no pueda.
La preocupación práctica más grande es la integración. Muchas empresas no pueden permitirse descartar una flota existente de vehículos costosos. La respuesta de ASI es un diseño agnóstico de hardware, lo que significa que la actualización de percepción se adapta a máquinas ya en el sitio en lugar de requerir reemplazo completo.
La empresa dice que ha movido casi 400 millones de toneladas de material en sus despliegues autónomos. Cada viaje, argumenta Torrie, les enseñó algo nuevo sobre lo que las máquinas necesitan ver.
Los fallos de percepción son la historia aquí, no los avances de control de movimiento que tienden a dominar la cobertura de robótica. Los vendedores que venden autonomía en la base de sus actuadores y algoritmos de marcha están respondiendo la pregunta de la década pasada. Lo que importa ahora es si la máquina sabe qué está mirando.
Qué observar: Si tu lugar de trabajo está introduciendo vehículos autónomos, pregunta al proveedor cómo el sistema maneja el fallo del sensor. Una respuesta fuerte describe qué hace la capa de sensor de respaldo. Una respuesta débil describe qué hace la máquina cuando todos los sensores fallan. Ambas preguntas importan.
