- ACE Robotics ha demostrado un proceso automatizado de lavandería hotelera que solo tarda 18.6 segundos desde la recolección hasta la entrega.
- El sistema Mundo mejora la capacidad de aprendizaje de los robots mediante gemelos digitales interactivos que simulan las características del entorno.
- La arquitectura de doble modelo separa la planificación de la ejecución, reduciendo el tiempo de operación de lavandería a 18.648 segundos.
- El sistema cuenta con un ciclo de retroalimentación que permite mejorar de manera autónoma las habilidades y estrategias de acción de los robots.
ACE Robotics de China ha mostrado un conjunto de procesos de lavandería hotelera que combina habilidades robóticas con planificación en la nube a través de su modelo Mundo, logrando un proceso automatizado desde la recolección hasta la entrega. Este sistema permite que los robots recojan cestas de lavandería de las habitaciones, las transporten a la lavandería, operen las lavadoras y secadoras, y devuelvan la ropa limpia. Mundo crea gemelos digitales interactivos del entorno hotelero a partir de fotografías, permitiendo que los robots simulen tareas y aprendan el comportamiento de los objetos antes de operar en la realidad. Según la empresa, el sistema de habilidades de auto-mejora utiliza retroalimentación de fallos en el mundo real para refinar el rendimiento, reduciendo todo el proceso de lavandería a 18.6 segundos.
El sistema Mundo permite que los robots recojan cestas de lavandería de las habitaciones, las transporten a la lavandería, operen las lavadoras y secadoras, y devuelvan la ropa limpia. Esta demostración marca la primera aplicación comercial de larga cadena de esta tecnología desde que ACE Robotics lanzó el modelo Mundo en colaboración con el S-Lab de la Universidad Tecnológica de Nanyang el mes pasado. El núcleo del sistema es Mundo, que convierte fotografías de habitaciones de hotel, pasillos y instalaciones de lavandería en gemelos digitales interactivos. A diferencia de las simulaciones visuales tradicionales, estos entornos incorporan características físicas, como la masa de los objetos y la fricción, permitiendo que los robots aprendan cómo reaccionan los objetos al contacto y al movimiento.
Cómo funciona el sistema Mundo
Cada simulación genera datos sobre la trayectoria del robot, el estado de contacto y la retroalimentación visual, información que ayuda a refinar su estrategia de acción antes de que el robot intente realizar la misma tarea en un entorno hotelero real.
ACE Robotics ha adoptado una arquitectura de doble modelo que separa la planificación compleja de la ejecución en tiempo real. Un modelo en la nube general, denominado GPT-Astra y determinado por QbitAI, se encarga de la descomposición de tareas, el razonamiento y la exploración de estrategias. Una vez que el sistema determina un enfoque viable, almacena ese procedimiento como una habilidad robótica reutilizable. Otro modelo que opera localmente en el robot recupera y ejecuta estas habilidades para realizar acciones individuales. Esta separación está diseñada para evitar retrasos causados por la dependencia de la computación en la nube. ACE Robotics indica que su enfoque en la nube tarda más de 30 minutos en completar un ciclo de lavandería completo, mientras que el modelo de ejecución local reduce el tiempo a 18.648 segundos.
Sistema de programación y flujo de trabajo
Un sistema de programación llamado BotAgent coordina el flujo de trabajo, dividiendo las operaciones de lavandería en 53 acciones atómicas y 14 pasos semánticos de alto nivel. Puede programar más de 200 posibles secuencias de acciones en función de la ubicación de las habitaciones, la disponibilidad de ascensores y la situación de las colas de las lavadoras.
El sistema también incluye un ciclo de retroalimentación diseñado para mejorar las habilidades de los robots a través de intentos repetidos en el mundo real. Cuando una operación falla, el modelo en la nube revisa múltiples grabaciones de cámaras y registros de sensores para identificar el problema. Luego puede sugerir cambios en las acciones del robot o elegir ángulos de cámara alternativos para superar problemas de visibilidad. Por ejemplo, cuando la cámara montada en la muñeca del robot está obstruida, el sistema cambia a una cámara de ángulo elevado. En otro caso, cuando un par de jeans queda atrapado en el tambor de la secadora, modifica la trayectoria de elevación del agarre y el ángulo de los dedos. El robot también puede restablecer el entorno de forma autónoma entre cada intento.
Otro modelo evalúa cada ronda de operaciones, permitiendo que el sistema conserve las versiones de habilidades que tienen un mejor rendimiento y revierta los cambios que no funcionan bien. En el caso de solo descargar la secadora, ACE Robotics reportó haber realizado 165 pruebas reales con robots en 57 horas, generando 37 sugerencias de mejora y aproximadamente 80 versiones de habilidades. La empresa indica que el ciclo de descarga se estabilizó finalmente entre 170 y 210 segundos, y el porcentaje promedio de jeans restantes en la secadora se redujo del 48% al 32%, con el mejor rendimiento alcanzando un 19%.
ACE Robotics también ha identificado el comercio minorista en tiempo real como otra aplicación potencial de esta tecnología. Sin embargo, los datos de rendimiento reportados provienen de la empresa y aún no han sido verificados de manera independiente.
Significado de la tecnología de automatización de ACE Robotics
El sistema de automatización de lavandería de ACE Robotics demuestra el potencial de la tecnología robótica en la industria hotelera. A través del sistema Mundo, los robots pueden aprender y adaptarse en entornos complejos, lo que no solo mejora la eficiencia, sino que también reduce los costos laborales. El diseño de la arquitectura de doble modelo permite que el sistema sea más flexible en la ejecución de tareas, evitando problemas de retraso asociados con la computación en la nube. Además, la introducción del ciclo de retroalimentación permite que los robots se mejoren continuamente, lo cual es crucial para elevar la calidad del servicio y enfrentar desafíos en el mundo real.