Travailler sur une ligne de production devient de plus en plus pénible pour les employés. On leur demande d’être de plus en plus rapides et de s’adapter à de plus en plus de produits différents. En parallèle, il faut produire davantage de biens pour subvenir suffisamment aux besoins d’une population mondiale en pleine croissance. Les robots et cobots peuvent être une aide précieuse pour les employés et les soulager dans leurs tâches. Un robot qui trouve lui-même des solutions à ses tâches et peut anticiper ce que l’employé va faire ensuite pourra assister au mieux ce dernier dans le cadre d’une collaboration sécurisée.
Los sistemas autónomos son cada vez más importantes cuando se trata de tareas que son demasiado peligrosas, difíciles o monótonas para las personas. Los sistemas reaccionan a los acontecimientos de su entorno y toman una decisión adecuada: perciben, aprenden, piensan y actúan de forma autoconsciente y reaccionan de forma inteligente a los cambios imprevistos de su entorno.
Los sistemas autónomos también ofrecen un gran potencial para la robótica colaborativa. Por ejemplo, a partir de la experiencia adquirida durante su entrenamiento pueden predecir lo que el trabajador hará a continuación y, por tanto, controlar sus movimientos. Esta predicción del movimiento hace que la cooperación sea más segura y eficaz.
Si un robot autónomo conoce el estado final deseado, también puede deducir, gracias a los algoritmos adecuados de inteligencia artificial (IA), todos los pasos de trabajo necesarios para resolver la tarea por sí mismo. Además del aprendizaje de refuerzo, también utilizamos la inteligencia artificial bioinspirada: esta IA eficiente y especializada se basa en la inteligencia de hormigas, abejas y otros insectos.
Para hacer posible estas y otras capacidades inteligentes de los robots, como el empaquetado de cajas o la estimación del peso, se puede enseñar a la inteligencia artificial utilizando conjuntos de datos generados virtualmente. También se utiliza el aprendizaje Sim2Real Learning, que consiste en un aprendizaje mediante simulaciones o en sistemas híbridos y en ejecutar lo aprendido en el robot real.