Los robots están cada vez más presentes en fábricas, almacenes y otros entornos de trabajo. Sin embargo, todavía tienen dificultades con elementos tan cotidianos como una puerta o una pared de cristal.
Mientras que una persona comprende fácilmente que existe una barrera transparente, algunos sistemas robóticos pueden interpretarla como un espacio libre. Esto ocurre porque sus cámaras y sensores no siempre logran identificar correctamente los materiales transparentes o reflectantes.
Para abordar este problema, investigadores de la Universidad de Maryland desarrollaron PolarDepth, un sistema que combina imágenes tradicionales con una propiedad de la luz que normalmente pasa desapercibida: la polarización.
Por qué los robots pueden confundir una pared de cristal con un espacio vacío
Los robots utilizan cámaras, sensores de profundidad y sistemas láser para construir representaciones de su entorno y determinar por dónde pueden desplazarse.
Sin embargo, el cristal presenta características que complican estas mediciones. Su transparencia permite observar objetos ubicados detrás, mientras que sus reflejos pueden generar interpretaciones equivocadas sobre las distancias.
Por ejemplo, una cámara convencional puede detectar los muebles de una oficina al otro lado de una mampara, pero no identificar correctamente la superficie que los separa.
Los sensores láser también pueden presentar dificultades porque sus señales pueden atravesar el vidrio, reflejarse o desviarse dependiendo del ángulo de incidencia.
El resultado son errores en los mapas de profundidad que utilizan los sistemas robóticos para interpretar el espacio.
PolarDepth: una tecnología que permite detectar lo que las cámaras convencionales no ven
La solución desarrollada por el equipo encabezado por Naitri Rajyaguru aprovecha la polarización de la luz, una propiedad relacionada con la orientación de sus oscilaciones.
Cuando la luz interactúa con determinadas superficies, como el cristal, su patrón de polarización cambia y puede aportar información sobre la geometría del entorno.
PolarDepth utiliza una única cámara especializada para obtener imágenes convencionales RGB y otra representación denominada Polar-RGB, que incorpora información sobre esa polarización.
Posteriormente, el sistema genera estimaciones independientes de profundidad y las combina mediante un modelo que determina qué información resulta más confiable en cada zona de la imagen.
De esta manera, puede utilizar los datos convencionales para interpretar superficies opacas y aprovechar la polarización cuando encuentra materiales reflectantes o transparentes.
Las pruebas demostraron mejoras en la percepción y el movimiento
Los investigadores evaluaron PolarDepth mediante escenas reales y simuladas que incluían pasillos y espacios con paredes de cristal.
Los resultados, publicados en IEEE Robotics and Automation Letters, mostraron mejoras en la estimación de profundidad y en la odometría visual, el proceso que permite calcular el movimiento de una cámara a partir de las imágenes captadas.
Esto representa un avance importante para desarrollar robots capaces de interpretar entornos complejos con mayor precisión.
Sin embargo, los experimentos no demuestran que la tecnología elimine completamente el riesgo de colisiones ni que esté lista para incorporarse a cualquier robot autónomo.
Un avance importante para los robots del futuro
A medida que los robots comienzan a realizar más tareas en espacios diseñados para personas, reconocer correctamente puertas, ventanas y mamparas se convierte en una necesidad.
Tecnologías como PolarDepth podrían contribuir al desarrollo de sistemas de navegación más confiables en oficinas, hospitales, centros comerciales y establecimientos industriales.
El desafío demuestra que la inteligencia robótica no depende únicamente de reconocer objetos o ejecutar movimientos complejos. También necesita comprender elementos cotidianos que para los humanos resultan evidentes, pero que todavía pueden representar obstáculos difíciles de interpretar para una máquina.
