Diseño de un robot móvil de servicio con capacidades de interacción con humanos a través de voz y gestos

Abstract

La Robótica de Servicios está sufriendo un auge en los últimos años. Sin embargo, sigue manteniendo dos problemas principalmente: el coste económico y, en el caso de la Robótica Social la interacción con las personas. No todo el mundo sabe programar un robot, y la idea no es que todo el mundo sepa. Cada vez se tiene que facilitar más la comunicación entre una persona y un robot. Un claro ejemplo es el robot Pepper, un robot humanoide, programable y diseñado para interactuar con personas. Su tecnología le permite detectar tanto el lenguaje verbal como el no verbal. Sin embargo su precio no es nada asequible, ronda los 20.000€. Actualmente hay diferentes tecnologías que permiten diseñar un robot reduciendo su coste. Por un lado han aumentado los servicios que proporcionan diferentes empresas como Amazon, Google y Microsoft entre otros, en el contexto de soluciones en la Nube. Entre estos servicios se encuentran la detección facial, el reconocimiento de voz, la interpretación del lenguaje, la síntesis de voz… Sin embargo, presentan limitaciones entre las que cabe destacar: no suelen ser flexibles y se requiere una conexión a internet para poder usarlos. Por otro lado, existen modelos de inteligencia artificial, tales como los de aprendizaje automático o aprendizaje profundo, que se pueden desplegar en prácticamente cualquier dispositivo. Existen varias bibliotecas que permiten trabajar con ellos como Caffe, PyTorch, pero las más importantes son scikit-learn y TensorFlow. Dado que solventa el problema de la conexión, no suponen ningún coste y permiten flexibilidad, se ha optado por usar esta tecnología para desarrollar los diferentes módulos del sistema . Respecto a la navegación autónoma, existen diferentes algoritmos que permiten al robot alcanzar un objetivo y evitar obstáculos. El framework ROS (Robotic Operating System) proporciona un paquete que permite configurar varios de estos algoritmos de una forma sencilla. Esta facilidad ha determinado que se seleccione dicho framework, para este trabajo. Por último queda el problema de la integración. Se debe encontrar un lazo de unión entre todos los componentes y que estén completamente sincronizados. De nuevo se ha recurrido a ROS que entre uno de sus modos de comunicación se encuentra el de cliente-servidor que permite coordinar los diferentes componentes del sistema, incluso si están en lenguajes de programación diferentes. Ahora bien, en la diferentes pruebas realizadas se han encontrado una serie de limitaciones provenientes de los modelos de reconocimiento de voz e interpretación de lenguaje natural ya que suelen estar desarrollados para el inglés y no tanto para otros idiomas como el castellano. Estas limitaciones, así como las ventajas del sistema, se demuestran tras realizar una serie de pruebas controladas y analizar los resultados obtenidos.