"COLEARNING 20-21" COLEARNING-DESARROLLO DE TÉCNICAS DE APRENDIZAJE DE TAREAS PARA COBOTS BASADAS EN INTERACCIÓN HUMANA Y ALGORITMOS DE APRENDIZAJE DE REFUERZO (COLEARNING) DESCRIPCIÓN En términos generales, la programación de robots se ha simplificado mucho en los últimos años. Los fabricantes han desarrollado herramientas gráficas y métodos gestuales que facilitan la generación de programas en cualquier tipo de robot. Obviamente, cada programa es válido en un entorno concreto y para una tarea específica, por lo que se requiere reprogramación si cambia alguna de las dos circunstancias. Por ello, uno de los retos clave del despliegue de COBOTS (robots colaborativos) en entornos donde la presencia humana es importante, tales como las industrias manufactureras, es la adaptación a tareas que cambian con frecuencia y de forma impredecible. En estas circunstancias, el robot debería poder actualizar rápidamente la forma en que desarrolla su tarea. Es decir debería poder aprender de forma incremental y adaptándose a las circunstancias tanto del entorno como de la tarea. Más allá de los sistemas de programación que cada fabricante de robots utiliza, los cuales tienden a simplificar y facilitar la programación, se pueden implementar técnicas que aceleran el aprendizaje del robot para realizar nuevas tareas. Y algo que sería más importante en determinados tipos de trabajo: permitirían afrontar tareas que no son exactamente iguales a la aprendida, pudiéndose asumir variaciones que formen parte de la naturaleza cambiante de los productos procesados, adaptando el ciclo de trabajo a las características de cada producto individual. OBJETIVOS El objetivo del proyecto es desarrollar un sistema de aprendizaje para COBOTS que permita la reconfiguración del programa de forma autónoma, en función de las variaciones del proceso o producto que no pueden ser consideradas en toda su amplitud en una rutina de programación estándar. Como caso de uso se aplicaría a un proceso con mucha carga de trabajo manual: el lijado/pulido de piezas de tablero y/o chapa metálica, cuya geometría difiere ligeramente de unas piezas a otras por el proceso de conformado o por la flexibilidad del propio material. En este proyecto se utilizarán y compararán dos técnicas de aprendizaje diferentes para conseguir el objetivo de auto-reconfiguración del ciclo de trabajo: por un lado la supervisión humana, a través de la cual el COBOT puede adquirir nuevas capacidades mediante la demostración de tareas; por otro lado el aprendizaje de refuerzo mediante redes neuronales y el uso de funciones de recompensa, que permitirían mejorar el desempeño de la tarea a partir de los resultados que se van obteniendo. Número de proyecto: 22000052 Expediente: IMDEEA/2020/22 Duración: Del 01/04/2020 al 31/07/2021 Coordinado en AIDIMME por: SÁNCHEZ ASINS,JOSÉ LUIS Línea de I+D: INDUSTRIA 4.0 RESULTADOS OBTENIDOS Año 2021: Se ha desarrollado el sistema de aprendizaje basado en la imitación de la actividad de una persona experta, aplicado a un proceso de lijado. El sistema se basa en el seguimiento de las trayectorias manuales y en la medición de forma continua de las presiones ejercidas. Se ha desarrollado el sistema de aprendizaje por refuerzo, basado en una función de recompensa a partir de dos factores: rugosidad de la superficie y juicio subjetivo. Se han desarrollado los sistemas de captura de presiones (guante sensorizado) y de captura de trayectorias (cámara y software de seguimiento) de los movimientos de la persona experta. Igualmente se han desarrollado herramientas de preprocesado de las trayectorias, y generado una aplicación para descargar los datos en el controlador del robot Desarrollo de un proyecto piloto en empresa colaboradoras para evaluar los resultados conseguidos. Entregables:    NOTICIAS PUBLICADAS Difusión general https://actualidad.aidimme.es/2021/07/26/finalizan-proye (...) https://actualidad.aidimme.es/2022/04/19/mejora-eficienc (...) https://www.interempresas.net/Robotica/Articulos/385646- (...) https://actualidad.aidimme.es/2021/06/02/reuniones-para- (...) https://actualidad.aidimme.es/2021/09/08/difusion-y-tran (...) https://actualidad.aidimme.es/2020/07/16/aidimme-nuevos- (...) https://actualidad.aidimme.es/2020/12/30/especial-difusi (...) Difusión técnica, transferencia https://actualidad.aidimme.es/2023/11/29/inteligencia-ar (...) https://actualidad.aidimme.es/2023/09/04/gemelos-digital (...) https://actualidad.aidimme.es/2020/11/17/robots-gemelos- (...) https://actualidad.aidimme.es/2020/09/16/aidimme-sistema (...) https://actualidad.aidimme.es/2021/06/07/aidimme-ha-vali (...) https://actualidad.aidimme.es/2021/03/23/aidimme-desarro (...) SUBVENCIÓN 228.125 € PÚBLICO OBJETIVO Y MEDICIÓN DE IMPACTO 4487 Accesos a la web del proyecto 15667 Accesos a noticias publicadas en webs propias. Total Accesos: 20154 Sectores Objetivos por CNAE CNAE: 3109 - Fabricación de otros muebles - Nº de empresas objetivo: 5586 (1332 de la Comunidad Valenciana) CNAE: 2561 - Tratamiento y revestimiento de metales - Nº de empresas objetivo: 108 (64 de la Comunidad Valenciana) CNAE: 3101 - Fabricación de muebles de oficina y de e - Nº de empresas objetivo: 575 (115 de la Comunidad Valenciana) CNAE: 3103 - Fabricación de colchones - Nº de empresas objetivo: 149 (41 de la Comunidad Valenciana) CNAE: 3102 - Fabricación de muebles de cocina - Nº de empresas objetivo: 666 (156 de la Comunidad Valenciana) CNAE: 3299 - Otras industrias manufactureras n.c.o.p. - Nº de empresas objetivo: 107 (49 de la Comunidad Valenciana) Sectores Objetivos por Actividad MOBILIARIO - Nº de empresas objetivo: 230 (91 de la Comunidad Valenciana) EMPRESAS TRACTORAS Gracias a su apoyo y firma de la “declaración de participación” el proyecto ha podido ser financiado. MOTHERSON DRSC MODULES SPAIN, S.A.U. LAGRAMA, S.L. MUEBLES ROMERO, S.A. MEDITERRANEAN WOOD FACTORY S.L.U PUNT MOBLES XXI, S.L. HURTADO RIVAS, S.L. EMPRESAS DIFUSIÓN PROYECTOS I+D Quieren conocer de primera mano la evolución del proyecto, y sus avances hasta el resultado final. EMPRESAS TRANSFERENCIA CONOCIMIENTO Implantarán tecnologías, desarrollarán estrategias o buscarán nuevos modelos a partir de los resultados.