Esta página fue traducida automáticamente.
Complete una encuesta de 1 minuto sobre la calidad de esta traducción.
Sistema de captura de movimiento basado en Deep Learning ayuda a estudiar a los guepardos en estado silvestre
Comprensión de la maniobrabilidad de los guepardos a través de la investigación robótica
Una gueparda silvestre y sus tres cachorros cazan una gacela dentro del Parque Transfronterizo Kgalagadi, que se extiende a lo largo de Sudáfrica y Botswana. Los felinos atrapan rápidamente a sus presas, su agilidad y rápida aceleración son una gran ventaja. Desde una distancia segura, Amir Patel, profesor de biomecánica de la Universidad de Ciudad del Cabo y director de la Unidad Africana de Robótica (ARU), entrena el sistema de captura de movimiento, literalmente en el campo.
Patel y su equipo en la ARU estudian cómo se mueven los guepardos para construir robots mejores y más ágiles. “El guepardo es el epítome de la maniobrabilidad”, afirma Patel. “Nos ayuda a crear nuevas formas de medir el movimiento y la fuerza o de realizar la optimización”.
La atención se centra en el animal terrestre más rápido y ha dado lugar a numerosos avances. Los investigadores desarrollaron técnicas novedosas en robótica, modelado multicuerpo, control por feedback, optimización de trayectorias, visión artificial y Deep Learning.
Los guepardos son excepcionalmente ágiles, pueden acelerar rápidamente y girar en un instante. (Crédito del vídeo: Universidad de Ciudad del Cabo, Unidad Africana de Robótica)
Patel ha usado MATLAB® y Simulink® por años. La Infraestructura Campus-Wide License permite que investigadores de la universidad aprovechen al máximo la plataforma.
“Elegimos herramientas en función de los problemas que estudiamos”, dijo Patel. “Cuando obtuvimos la licencia para todo el centro educativo, pensé que era la oportunidad para usar el producto completeo”.
MATLAB y Simulink proporcionan una interoperabilidad fluida con otros lenguajes de programación como Python® y la plataforma Speedgoat®.
Patel colaboró con la Dra. Mackenzie Mathis y el Dr. Alexander Mathis y aplicó su toolbox de código abierto (DeepLabCut™) para el seguimiento no invasivo del comportamiento animal a la tarea de rastrear guepardos que corren en la naturaleza. Esta investigación apareció en sitio Nature Protocols.
Luego, Patel recibió el premio Google Research Scholar en la categoría de percepción de máquinas por su sistema de captura de movimiento basado en Deep Learning, WildPose. MathWorks también ofreció apoyo para la investigación en laboratorio. El trabajo de Patel generó dos patentes, lanzó una empresa universitaria y despertó un enorme interés entre especialistas en robótica, científicos deportivos, médicos, biólogos, ecologistas y gestores de la conservación.
Beneficios inesperados
En la naturaleza, se ha registrado que los guepardos corren a 120 kilómetros (75 millas) por hora, lo que los convierte en el animal terrestre más rápido en distancias cortas. Los felinos de gran tamaño pueden acelerar rápidamente y perseguir presas con gran facilidad, lo que no sorprende dadas sus largas patas y cuello, cabeza pequeña y garras siempre listas.
Aproximadamente el 18% de los guepardos del mundo viven en Sudáfrica. Como ingeniero, Amir Patel quedó fascinado por la destreza del animal. Cuando comenzó su doctorado en la Universidad de Ciudad del Cabo, planeó utilizar datos de guepardos para desarrollar un robot entero.
“Imagínese estar en un automóvil y sacar el brazo por la ventanilla. Sientes esa fuerza. “Determinamos que el guepardo utiliza esta resistencia aerodinámica para estabilizar su cuerpo durante los giros a alta velocidad”.
“No había información sobre cómo un guepardo usa la cola o la columna vertebral, ni modelos para explicar cómo se moviliza”, recuerda.
Patel se centró en el movimiento de la cola. En aquel entonces, los datos de cola disponibles eran de otros animales. Los científicos no estaban seguros de su peso e inercia. El pensamiento predominante entre los expertos en animales silvestres era que las colas eran pesadas y tenían una gran inercia para actuar como contrapeso.
Luego, una de sus colaboradoras de doctorado, la profesora Emily Lane del Jardín Zoológico Nacional de Pretoria, le pidió que observara la autopsia de un guepardo que había muerto por causas naturales. Patel tomó fotografías y medidas durante el procedimiento.
“Esperaba que la cola fuera grande”, dijo. “Pero era delgada y sólo representaba alrededor del 2% de la masa corporal del guepardo”.
Para comprender mejor los efectos aerodinámicos del pelaje, Patel colocó colas de guepardos muertos proporcionadas por Lane en un túnel de viento. Utilizó MATLAB y Simulink para el modelado.
“Imagínese estar en un automóvil y sacar el brazo por la ventanilla. Sientes esa fuerza”, dijo. “Determinamos que el guepardo utiliza esta resistencia aerodinámica para estabilizar su cuerpo durante los giros a alta velocidad”.
Colas de guepardo se colocaron en un túnel de viento para comprender los efectos aerodinámicos del pelaje. (Crédito de la imagen: Amir Patel)
Los especialistas en robótica a menudo se inspiran en la naturaleza, pero Patel aplicó principios de robótica a la biología, usando su experiencia en robótica para comprender mejor a este animal.
La biología inspira el uso de pistones
Patel, uno de los cuatro investigadores principales del ARU, estudia al guepardo con sus estudiantes desde diferentes ángulos: creando modelos matemáticos de sistemas mecánicos, detectando y midiendo los movimientos del animal y construyendo robots que sirven como modelos mecánicos para movimientos complejos. La velocidad cambiante de los guepardos hace que su locomoción sea más difícil de estudiar que los movimientos constantes de otros animales.
Patel y otros ingenieros de ARU construyeron un robot bípedo llamado “Baleka”, que proviene de una palabra xhosa que significa “correr rápido”. Su diseño aprovechó técnicas de optimización de trayectoria lo que logró que el robot tuviera mayor agilidad vertical que un humano.
En la Conferencia Internacional sobre Robótica y Automatización (ICRA) de 2023, Patel y su estudiante Christopher Mailer presentaron el diseño y control de un novedoso prototipo de robot cuadrúpedo, Kemba. El prototipo de plataforma híbrida neumática-eléctrica, denominado “inkemba” o espada en zulú, puede saltar a una altura de aproximadamente 2,2 veces la longitud de sus patas.
'Cuando vimos los vídeos, observamos que los guepardos no intentan controlar con precisión sus patas, solo intentan empujar lo más fuerte que pueden', dijo Patel. “Los pistones neumáticos aplican fuerza de manera similar”.
Patel señaló tanto él como sus estudiantes tienen experiencia en control por feedback y es muy natural para ellos pensar en diagramas de bloques y señales que se mueven de un sistema al otro.
Prueba de salto del robot bípedo Baleka. (Crédito del vídeo: Universidad de Ciudad del Cabo, Unidad Africana de Robótica)
El robot con patas Kemba. (Crédito de la imagen: Universidad de Ciudad del Cabo, Unidad Africana de Robótica)
Aunque los especialistas en robótica normalmente evitan los pistones neumáticos porque son difíciles de controlar con precisión, el equipo de ARU adoptó ese efecto. Utilizaron Simscape Multibody™ y Simulink para modelar pistones neumáticos en las rodillas de Kemba, simular el movimiento esperado del robot de cuatro patas y diseñar controladores.
Patel señaló tanto él como sus estudiantes tienen experiencia en control por feedback y es muy natural para ellos pensar en diagramas de bloques y señales que se mueven de un sistema al otro. El equipo diseñó Kemba en un software CAD mecánico para modelado multicuerpo y transfirió los diseños a Simscape™.
El diseño basado en modelos permite observar las señales de aceleración en tiempo real, lo que Patel considera extremadamente útil, especialmente para depuración. Este entorno de diagrama de bloques redujo drásticamente el tiempo de desarrollo, lo que permitió realizar pruebas y experimentaciones rápidas, optimizar el sistema y automatizar el código.
“Simulink Real-Time™ es un punto de inflexión. “En el pasado, codificaba manualmente y siempre había algo que salía mal”, dijo. “Ahora tenemos un sistema de control Speedgoat en tiempo real que se integra fácilmente con Simulink Real-Time. Simplemente hacemos clic en un botón y se ejecuta en el robot. Eso hizo que el desarrollo fuera simple y rápido”.
En el ICRA, los científicos demostraron que Kemba tiene potencial para acelerar y saltar. El robot de columna rígida puede saltar hasta 1 metro (3,28 pies).
El orden de contacto es importante tanto para los guepardos como para los robots. Incluso con una pinza o mano robótica, el orden de contacto ideal podría marcar la diferencia a la hora de mover o manipular un objeto. Mientras estaba de año sabático en Carnegie Mellon en 2018, Patel lanzó un algoritmo de optimización de contactos más preciso.
Kemba acelera desde una posición de reposo a un galope. (Crédito del vídeo: Universidad de Ciudad del Cabo, Unidad Africana de Robótica)
Algunos científicos pensaron que no lo iba a lograr. Algunos grupos lo intentaron dos años atrás y no funcionó. De todos modos, Patel siguió adelante. El artículo, “Contact-Implicit Trajectory Optimization Using Orthogonal Collocation”, en IEEE Robotics and Automation Letters, se convirtió en una de sus publicaciones más citadas y en 2020 fue finalista del premio al mejor artículo del Comité Técnico IEEE sobre Optimización basada en modelos para robótica.
“Estar geográficamente aislado tiene sus ventajas”, comenta Patel. “Tengo una mentalidad muy motivadora".
Sistema de captura de movimiento de largo alcance
Los guepardos están al borde de la extinción. A pesar de su increíble velocidad, son depredadores tímidos que compiten con los carroñeros para retener a sus presas. El cambio climático, la pérdida de hábitat, los cazadores furtivos y los conflictos con los humanos diezmaron las poblaciones silvestres.
El laboratorio forjó una relación altamente colaborativa con MathWorks. Los comentarios de los investigadores de ARU ya inspiraron nuevas funciones para Computer Vision Toolbox y Lidar Toolbox que se están incorporando a los productos.
“Hay un gran impulso para que los programas de cría y conservación aumenten los números”, dijo Patel. La Unidad Africana de Robótica trabaja con tres centros de guepardos (Cheetah Outreach, Cheetah Conservation & Research Centre, and Ashia) en la zona donde los guepardos están acostumbrados a la gente.
Las técnicas biomecánicas existentes para comprender los movimientos humanos no se pueden aplicar directamente a los animales silvestre. Esto significó imaginar cómo medir el movimiento de los felinos. “Pensé que simplemente compraríamos algunos collares y se los pondríamos a los guepardos”, admitió. “Pero cuando un animal lleva un collar, no se recibe información sobre la cabeza, patas, columna y cola”.
Los científicos de ARU desarrollaron una cámara basada en GPS orientada hacia atrás para guepardos cautivos que permitía la fusión de sensores. Funcionó bien... hasta que los felinos se negaron a usarla. Otro obstáculo: Los guepardos en los centros se mueven más lentamente, a 65 km/h (40 mph), que los que viven en libertad, que alcanzan los 144 km/h (89 mph).
“En el laboratorio, se pueden colocar electrodos en una persona o un animal y medir cuándo mueven los músculos, pero no se pueden tocar a los animales en la naturaleza”, dijo Patel. “Entonces se me ocurrió medir el cuerpo entero, la cinemática del esqueleto, a distancia”.
La ARU comenzó a trabajar con parques nacionales para llevar el laboratorio a la naturaleza, donde los investigadores buscan recopilar datos más representativos de los guepardos en plena actividad. Sin embargo, lograr una captura de movimiento granular sin electrodos ni dispositivos portátiles plantea enormes desafíos. A veces los felinos aparecen en el Parque Transfronterizo de Kgalagadi brevemente para desaparecer en un momento en las dunas de arena.
Reconstrucción 3D sin marcadores (no invasiva) de un guepardo corriendo. Se etiquetan múltiples vistas del guepardo en 2D y luego se fusionan mediante el algoritmo de estimación de trayectoria completa (FTE) para producir un movimiento esquelético en 3D. (Crédito del vídeo: Universidad de Ciudad del Cabo, Unidad Africana de Robótica)
Patel y el equipo de ARU desarrollaron un sistema de captura de movimiento de largo alcance utilizando LiDAR y lentes telescópicos. Explotando la fusión de múltiples sensores, pudieron producir datos biomecánicos en 3D a largas distancias.
Las toolboxes de MATLAB fueron esenciales para analizar y modelar el movimiento del guepardo. (Crédito de la imagen: Universidad de Ciudad del Cabo, Unidad Africana de Robótica)
Las toolboxes de MATLAB se volvieron esenciales para los componentes del proyecto como la reconstrucción 3D, donde el equipo combinó información de LiDAR y cámara para la fusión de sensores. Control System Toolbox™ demostró la relación de entrada-salida entre el movimiento de la presa y el de diferentes partes o el cuerpo entero del guepardo.
“Utilizamos mucho Computer Vision Toolbox para la calibración”, señaló Patel. “En MathWorks Research Summit, todos hablaban maravillas de la calibración de cámara”. Patel viajó a Natick, Massachusetts, para la cumbre anual, donde conversó con el cofundador de MathWorks, Cleve Moler, y dio una charla magistral.
El laboratorio forjó una relación altamente colaborativa con MathWorks. Los comentarios de los investigadores de ARU ya inspiraron nuevas funciones para Computer Vision Toolbox™ y Lidar Toolbox™ que se están incorporando a los productos.
Además de los guepardos, la ARU capturó otros animales en movimiento, como jirafas, leones y gacelas. Una vez que el equipo valide el sistema, esperan lanzarlo.
Durante un año sabático como profesor visitante en la Universidad de Oxford, Patel se concentró en mejorar la medición de los signos vitales de los animales en la naturaleza. Algunas enfermedades pueden pasar de animales domésticos a animales silvestres y propagarse tan rápidamente que los ecologistas a menudo no se dan cuenta hasta que es demasiado tarde, especialmente en zonas de bajos recursos. Un monitoreo remoto más inteligente y accesible podría proporcionar un sistema de alerta temprana.
Estos sistemas remotos también podrían beneficiar la salud humana, permitiendo a médicos medir la activación muscular en los pacientes sin tener que preparar la piel y adherir electrodos costosos. Patel ve potencial para que el sistema se utilice en la rehabilitación de lesiones de la médula espinal y en la adaptación de prótesis.
Los científicos deportivos expresaron interés en el sistema de captura de movimiento portátil patentado por la ARU. Otra patente para el sistema de plataforma de fuerza 3D del laboratorio, que cubre grandes áreas, dio lugar a una nueva empresa derivada de la universidad que actualmente se encuentra en desarrollo. Un grupo del laboratorio está trabajando para darle a Kemba una columna vertebral activa.
El Dr. Patel y su equipo están investigando el control óptimo inverso y Reinforcement Learning para comprender más el movimiento del guepardo. (Crédito de la imagen: Amir Patel)
El grupo de Patel también se está embarcando en la exploración del Reinforcement Learning inverso y el control óptimo. “Si bien podemos observar el movimiento, todavía no estamos seguros de por qué el guepardo hace lo que hace”, dijo. “¿El guepardo intenta conservar energía al correr, aumentar la maniobrabilidad o interceptar a su presa en el menor tiempo posible? “Reinforcement Learning inverso nos ayudará a comprender qué está intentando optimizar”.
Los felinos continúan cautivándolo.
“Durante mi doctorado, cambié mi mentalidad para convertirme en alguien que quiere comprender a este animal”, dijo. “Han pasado más de 13 años y no he mirado atrás”.
Más casos prácticos
ROBÓTICA
Un equipo de nueve estudiantes de pregrado crea un innovador robot que salta como proyecto de fin de curso
“Ascento”, un pequeño robot ágil, sube escaleras y evita obstáculos
ROBÓTICA
Exploración del ecosistema más grande del mundo: 500 metros bajo la superficie del océano
Nat Geo desarrolla una cámara robótica submarina para explorar las profundidades
ACADEMIA
Decodificación del vuelo de una mariposa con cámaras de alta velocidad y un túnel de viento
La dinámica de fluidos ayuda a comprender cómo revolotean las mariposas
