VISION ARTIFICIAL

¿Qué es la visión artificial y

cuáles son sus
aplicaciones?
#empresa #I+D+i #talento digital

Los seres humanos utilizamos nuestros ojos para comprender

el mundo que nos rodea. La visión artificial es una disciplina
científica que persigue que los ordenadores alcancen esa
misma capacidad, es decir, trata de conseguir que las
máquinas puedan percibir y comprender una o varias imágenes
y actuar de una manera determinada. A continuación,
repasamos algunas de sus aplicaciones.
La visión artificial será una tecnología clave en la Cuarta Revolución Industrial.

El cerebro humano recibe constantemente información de su entorno a

través de los ojos y somos especialmente sensibles a los cambios
repentinos de luz y tamaño aparente de los objetos, lo que nos indica que
algo se mueve a mucha velocidad y nos permite, por ejemplo,
agacharnos en una fracción de segundo para esquivar un balonazo. La
visión artificial es la tecnología que permite a los ordenadores tomar
decisiones a partir de unos pocos datos visuales con la misma rapidez.

QUÉ ES LA VISIÓN ARTIFICIAL

Según la Automated Imaging Association (AIA), la visión artificial engloba
todas las aplicaciones industriales y no industriales en las que una
combinación de hardware y software proporciona orientación operativa a
los dispositivos en la ejecución de sus funciones basándose en la captura
y el procesamiento de imágenes.

La visión artificial no debe confundirse con la visión por

ordenador, aunque la diferencia es sutil. Esta última se centra en
comprender las imágenes digitales después de procesarlas y analizarlas,
es decir, de extraer todos los detalles posibles. Por el contrario, la
artificial no necesita analizar todos los detalles de la imagen, sino solo
aquellos que impulsen a realizar una acción determinada. Por ejemplo, la
visión artificial de un coche autónomo solo se preocupa de detectar
obstáculos para evitar colisiones.

La visión artificial en la Industria 4.0

La Cuarta Revolución Industrial mezcla vanguardistas técnicas de
producción con sistemas inteligentes que se integran en las
organizaciones. Entre las innovaciones tecnológicas que se aplican a la
fabricación para hacerla más eficiente se encuentran
la hiperautomatización, el big data, el Internet de las cosas, la robótica o
la realidad aumentada. La visión artificial, muy relacionada con
tecnologías como la inteligencia artificial o el machine learning, también
será un componente esencial para el futuro del sector industrial al
permitir, entre otras cosas, descubrir fallos durante la producción o
identificar productos defectuosos.
¿Para qué sirve la visión artificial?

  VER INFOGRAFIA: ¿Para qué sirve la visión artificial? [PDF]Enlace

externo, se abre en ventana nueva.
SISTEMAS DE VISIÓN ARTIFICIAL
Un sistema de visión artificial consta de varios componentes, desde la
cámara que capta una imagen para su inspección hasta el propio motor
de procesamiento que renderiza y comunica el resultado. A continuación,
los repasamos en detalle:

 Sensores de visión: incluye los diferentes tipos de cámaras y

sensores de luz en todas las frecuencias, sensores 2D y 3D.

 Cámaras inteligentes: además de los sensores, incluyen un

procesador capaz de analizar las imágenes y proporcionar
resultados con los que tomar decisiones.

 Sistemas de visión avanzados: son los dispositivos, por ejemplo,

los cobots, que integran los sistemas de visión artificial para
realizar tareas específicas.

CÓMO FUNCIONA UN SISTEMA DE VISIÓN

ARTIFICIAL
Para que un sistema de visión artificial funcione correctamente es
necesario que se cumplan una serie de condiciones y requisitos:

  Iluminación

La luz debe ser regulada y constante para que los cambios de

luz captados por el sistema de visión artificial se deban a cambios en los
objetos inspeccionados y no a cambios en la fuente de luz.

  Puesta en escena

Es un proceso mecánico que consiste en colocar el objeto a examinar

delante de la cámara (puede haber sensores fotoeléctricos que indiquen
si el objeto está correctamente situado).

  Cámaras
Las usadas para visión artificial son especiales y más costosas. Por
ejemplo, es deseable tener píxeles físicos cuadrados para poder tener
medidas más exactas, así como obturadores avanzados.

  Procesador de imagen

Se puede realizar desde un ordenador conectado a la cámara o desde la

propia cámara si se trata de un modelo inteligente capaz de analizar la
imagen y proporcionar un resultado por sí misma.

  Comunicación

Los sistemas de visión artificial están conectados a otros sistemas, como

los de gestión de inventario, control de suministros o inteligencia de
negocio.

BENEFICIOS DE LA VISIÓN ARTIFICIAL

La aplicación de sistemas de visión artificial en los procesos de
fabricación tiene una serie de ventajas:

 Precisión: aumentan el nivel de precisión durante la fabricación

y eliminan los errores humanos.

 Calidad: garantizan la máxima calidad y que los

productos cumplan con las especificaciones.

 Rentabilidad: aumentan los beneficios y reducen los gastos

generales, ofreciendo un alto ROI.

 Sostenibilidad: permiten fabricar productos ahorrando recursos y

reduciendo los desperdicios.

 Monitorización: facilitan el diagnóstico y la resolución de

problemas durante la producción.

 Seguridad: mejoran la seguridad y la protección en entornos

peligrosos para las personas.
APLICACIONES DE LA VISIÓN ARTIFICIAL
Los sistemas de visión artificial tienen numerosas aplicaciones y, a
continuación, repasamos algunas de ellas:

 Detección de objetos: comparación de una imagen con patrones

conocidos y almacenados en una base de datos para detectar
objetos, incluso si están parcialmente ocultos.

 Reconocimiento óptico de caracteres (OCR): un proceso

dirigido a la identificación automática de símbolos o caracteres en
una imagen para luego almacenarlos en forma de datos.

 Robots con visión artificial: reduce o elimina la necesidad de

colocar las piezas en sitios fijos para que los robots las manipulen,
ya que son capaces de localizarlas y colocarlas por sí mismos

Los sistemas de visión artificial se basan en la

combinación de hardware y software para captar
imágenes y procesar su información. Valoramos
los posibles usos dentro del mercado actual.
La visión artificial  obtiene información del entorno a través de imágenes que es capaz de analizar. Para ello, recurre
a diferentes tipos de sensores a partir de los cuales se obtienen resultados de una gran precisión. Integrada en la industria no
funciona como una herramienta aislada, sino que forma parte de toda la cadena de producción gracias a los datos que recibe y
envía. De hecho, otorga a las máquinas la capacidad de procesar una imagen, emulando a la visión humana pero con
características muy diferentes. Indiscutiblemente va ligada al  desarrollo de la Inteligencia Artificial.

es imprescindible contar con los

El proceso comienza con la obtención de imágenes, para lo cual 
sensores necesarios. Estos pueden ser de distintos tipos, lo que condicionará el resultado final, la clase de
datos o la información que obtengan. Gracias a esos sensores las máquinas pueden captar imágenes, pero para procesarlas
es necesario emplear un determinado  software
 que aplique a cada imagen los procesos necesarios para realizar la función
para la que ha sido diseñada esa máquina (detectar defectos, realizar mediciones, mover piezas). En el mercado existen ya
varias alternativas de  software  adaptado a la visión artificial pero en ocasiones es necesario diseñar uno específico.

Una vez procesada la imagen y transformada en información,  la máquina finaliza el proceso

realizando una acción concreta.

Aplicaciones de la visión artificial en la industria

La revolución industrial que ha supuesto la  Industria 4.0  sería impensable sin una herramienta como la visión artificial,
integrada en todas las etapas del proceso productivo. Sus aplicaciones o usos en la industria son múltiples y muy diferentes
packaging o la propia
entre sí. Sectores tan distintos como la alimentación, la automoción, la electrónica, la metrología, el 
industria médica la han incorporado y se benefician de las  ventajas de su aplicación:
  Elimina la subjetividad en los sistemas de inspección o control de calidad.
 Aumenta la productividad y se reducen tiempos en todo el proceso productivo.
 Supervisa la trazabilidad de un producto, de inicio a fin.
 Elimina el factor fatiga en cualquier tarea.
 Permite una mayor precisión en los diagnósticos de errores.
 Disminuye la tasa de desperdicio.
 Reduce riesgos maximizando los niveles de seguridad.
 Evita la contaminación cruzada.

Tipos de visión artificial

Dependiendo de la complejidad de los sensores y la tecnología que utilicen podemos dividirlos en:

 Sensores de visión. Son los más básicos y muy fáciles de integrar en un sistema automatizado. Se
emplean para detectar el paso de un elemento.
 Cámaras inteligentes y sistemas de visión integrados . Son cámaras que
cuentan con sistemas de cálculo mucho más complejos. Su capacidad para procesar información y la posibilidad de
trabajar en remoto las convierte en la solución presente en la mayor parte de la industria.
 Sistemas de visión avanzados. Tanto su software como su hardware  están en un
nivel superior de desarrollo y eso influye positivamente en la cantidad de datos que pueden acumular y procesar.

Podemos hacer una segunda clasificación atendiendo a la  calidad de la imagen:

  Visión 1D. Opera con una señal digital que estudia la imagen línea a línea y no en su totalidad. Se emplea
para detectar defectos en materiales fabricados en un proceso de flujo continuo, donde los materiales están en
constante movimiento y son sometidos a un tratamiento mecánico (metales, papel, tejidos, plásticos…).
 Visión 2D. Las cámaras 2D pueden captar imágenes en color o en escala de grises y las convierten en
matrices divididas en píxeles, por eso se utilizan en el reconocimiento de caracteres como en la lectura de códigos
o, incluso, en metrología.
 Visión 3D. Estos sistemas recurren a varias cámaras colocadas en distintos lugares o sensores de láser por
lo que reúnen información sobre la orientación del elemento. Suelen usarse en pick and place.
 Termografía. A través de una serie de sensores capta información sobre la temperatura de las piezas y se
representa en una escala de colores. Es la alternativa más recomendable a la hora de detectar fugas o
desequilibrios.
 Visión hiperespectral. Estas cámaras identifican la composición de cada elemento midiendo la
longitud de onda. En alimentación se recurre a ellas para detectar intrusos como restos de tierra, plásticos…

Ejemplos de aplicación de la visión artificial

 Sistemas pick and place
Realizan tareas consistentes en coger un producto y depositarlo en otro lugar. Hay que tener en cuenta que esos productos no
siempre avanzan de modo ordenado, por lo que este tipo de robots deben ser capaces de identificar el producto y su posición y
calcular trayectorias y velocidad.

 Comprobación de montajes
Los sistemas de visión artificial al final de una línea de ensamblaje pueden comprobar rápidamente que cada pieza ocupa el
lugar que le corresponde.

 Sistemas de medición
La visión artificial garantiza la precisión exigida para realizar cualquier medición (tamaños, distancias, ubicaciones…) siempre
que se haya realizado un ajuste referencial.

 Localización de defectos
En cualquier proceso de producción aparecen defectos, bien por el propio proceso en sí o por las condiciones a las que ha
estado expuesto el producto. Las cámaras de visión artificial permiten detectar estos defectos de manera automatizada y
rápidamente, retirando de la línea de producción la pieza (puede ser un alimento en mal estado o que presente algún golpe).

 Lectura de códigos
La trazabilidad de un producto se basa en el uso de diferentes códigos. Los más comunes son los códigos de barras pero
también se emplean códigos matriz 2D y OCR (Optical Character Recognition). La visión artificial, gracias al sistema de
algoritmos de reconocimiento de caracteres, facilita su lectura, comprobando que coincida con el producto.

 Detección de elementos intrusos

Una función especialmente útil en el sector de la alimentación. La visión hiperespectral permite clasificar elementos atendiendo
a su composición química, por lo que resulta fácil detectar un intruso en la fase de empaquetado de alimentos, por ejemplo.
Robótica industrial: IA y visión artificial.
 18 enero, 2023
Tiempo de lectura: 12 minutos
Robótica Industrial. En los últimos años se habla mucho de la
industria 4.0 como la nueva revolución que da paso de lo físico a lo
digital, que conecta todos los dispositivos de la cadena de producción
gracias al IoT o internet de las cosas, que permite monitorizar todos
los procesos industriales en tiempo real y que gracias a las nuevas
tecnologías en inteligencia artificial brinda de un análisis más preciso,
predictivo y eficiente de los datos. Además, da la posibilidad de
automatizar ciertos procesos capacitando de inteligencia a las
maquinas capaces de solventar muchas tareas con rapidez y mejores
resultados que el que podemos obtener nosotros como humanos.
Es probable que esta revolución no afecte solamente a la cadena de
producción y la manera en que se trabaja en la industria, sino que
revolucionara directamente a la sociedad y como las empresas
interactúan con sus clientes, así como el cambio en los roles de los
empleados que precisaran de un mayor conocimiento técnico para el
mantenimiento de los sistemas y dispositivos dentro de la cadena de
valor en un cada más exigente sector industrial y la robótica
industrial.

Figura 1. Inteligencia artificial en la industria 4.0. Fuente: Autracen

(2022)
Robótica industrial
Hoy en día no es nada raro al entrar en una planta de producción
encontrar multitud de aplicaciones de robótica industrial, brazos
robóticos realizando tareas repetitivas que permiten incrementar la
producción automatizando ciertos procesos de paletizado o des
paletizado, montaje, soldadura, manipulación, movimientos de cargas,
pintado, embalaje, inspección y controles de calidad, entre muchos
otros. Los robots industriales llevan más de 40 años en el sector
 industrial y desde que empezaron a introducirse como una
herramienta fundamental en los procesos de automatización de la
industria, la evolución tanto del hardware como del software ha sido
exponencial, así como los casos de uso. A parte del conocidísimo y
extendido brazo robótico industrial, es muy habitual poder encontrar
otros robots que forman parte de la rutina de muchísimas fábricas en
los diferentes sectores de la industria. Actualmente podríamos
destacar:

 Brazo robótico industrial: En robótica Industrial, es un brazo

mecánico programable, capaz de realizar tareas repetitivas sin
descanso en sustitución del operario humano. Pueden llegar a mover
pequeños o grandes pesos dependiendo del modelo de robot a una
alta cadencia, aumentando los procesos de producción y reduciendo
los costes de estos. Un punto importante es el factor de seguridad,
que gracias a una estricta normativa asegura e intenta evitar
accidentes. Podríamos destacar los robots de 6 ejes como uno de los
más extendidos, aunque hay muchas otras opciones dependiendo el
caso de uso o los requerimientos de la aplicación como los robots
araña, los scara o los cartesianos.

Figura 2. Diferentes tipos de robots industriales. Fuente: sicma21

(2021)

 Cobots: En robótica industrial, los robots colaborativos tienen un

objetivo similar al de los brazos robóticos con la principal diferencia
que están diseñados para poder trabajar con personas. Habitualmente
mueven cargas menos pesadas y a menor velocidad y disponen de
sensores de fuerza o intensidad en sus ejes permitiendo el paro de
emergencia automático en caso de obstrucción o choque. Esto
permite colocar los cobot dentro del proceso productivo sin barreras y
en colaboración con los operarios. Suelen ser fácilmente
programables de manera que no requieren de operarios con un alto
nivel técnico para poder manipularlos.
 Figura 3. Fuente:
(2021)

 AGV: Los vehículos guiados automatizados son un tipo de robot que

se mueven dentro de un espacio sin necesidad de un conductor. Son
muy habituales en logística para el transporte de cargas o productos,
aunque se han extendido en otros sectores industriales para cargar y
descargar de forma autónoma a los servicios de transporte, trasladar
bultos o transportar cargas entre diferentes puntos de la fábrica.
Podemos encontrar diferentes opciones o tecnologías que usan
filoguiado, visión artificial, laser, entre otros para poder reconocer el
entorno y poderse mover con seguridad y eficiencia por él.

Figura 4. Fuente: Google

(2021)

 Drones: Similar a los agv, los drones son vehículos aéreos no

tripulados. Actualmente no están tan extendidos en la industria como
los casos anteriores y son habitualmente controlados de forma remota,
aunque los drones autónomos se encuentran en una fase de
desarrollo muy avanzada. Son muy útiles para inspección de áreas de
gran extensión o difícil acceso y por este motivo suelen incorporar
cámaras de visión para realizar controles de calidad de estructuras o
líneas de alta tensión, mapas topográficos, control de plagas en
agricultura, entre otros casos de uso.

Figura 5. Fuente:
DroneRush (2021)

Inteligencia artificial en la robótica

industrial
A pesar de lo rápido que está evolucionando el campo de la
inteligencia artificial y los grandes avances que se han conseguido en
os últimos años, hay una paradoja generalizada sobre como muchas
tareas que para los humanos son innatas son muy difíciles o
prácticamente imposibles de solventar mediante modelos de
inteligencia artificial, por ejemplo tener emociones o simplemente
vaciar un lavavajillas, mientras que otras tareas que para nosotros son
muy difíciles de realizar, la inteligencia artificial es capaz de solventar
sin que sepamos con exactitud como ha llegado a dar un resultado en
concreto, como por ejemplo predecir el sexo de una persona
simplemente analizando la retina de una foto del fondo de su ojo, algo
que aun la comunidad de expertos en oftalmología no saben muy bien
cómo hacer.
Algunos estudios sugieren que las funciones de las manos y los dedos
que realizamos sin pensar, en realidad se realizan en función de la
enorme cantidad de información almacenada en el cerebro. Por lo
tanto, estudiar el desarrollo en la robótica de dichas funciones es un
problema difícil de solventar que se relaciona directamente con el
estudio de la inteligencia humana.
Una estrategia para robotizar los procesos de fabricación es adquirir
un comportamiento de trabajo humano, donde actualmente se están
estudiando modelos de Reinforcement Learning para enseñar a los
robots a imitar y aprender a base de prueba y error.
Figura 6. Robot haciendo cubo rubik Fuente: OpenAI (2021)
Así que, podríamos decir que el siguiente paso dentro de la industria
4.0 es el de poder dar más autonomía a la robótica industrial, a los
robots industriales y esto pasa por el estudio y aplicación de las
nuevas tecnologías en inteligencia artificial. Como resultado se espera
conseguir maquinas más autónomas capaces de tomar decisiones en
tiempo real y dentro del entorno de producción en colaboración con
otras máquinas y con los operarios.
Hay muchos factores donde la comunidad científica, las grandes
empresas y los desarrolladores están dedicando todos sus esfuerzos y
que influirán directamente en la adaptación de los robots autónomos a
la industria como son los avances en el campo del machine Learning,
Deep Learning, la computación paralela o de alto rendimiento o el 5G
entre otros. Para poder conseguir esta autonomía, no es solo trabajar
en los dispositivos, también es necesario crear un entorno donde
gracias al IoT las maquinas puedan acceder a información que les
permita realizar sus funcionalidades, recibir órdenes de trabajo,
realizar mantenimientos predictivos y poder optimizar en general los
procesos de la producción.

Visión artificial aplicada a la robótica

industrial
Dentro de la robótica industrial, uno de los aspectos a tener en cuenta
en la búsqueda de la autonomía de los robots, es la comprensión del
entorno que les rodea y en este punto la visión artificial desempeña un
 papel muy importante.  A grandes rasgos la visión artificial se refiere a
dar la capacidad a las máquinas de ver, analizar y comprender, de
forma que sean capaces de localizar objetos, identificarlos,
diferenciarlos, entre otros, para tomar decisiones en base a las
características extraídas.
Dentro del campo del Deep Learning, la visión artificial es uno de los
aspectos donde más se ha evolucionado en la última década gracias a
la aparición de las redes neuronales convolucionales capaces de
capturar, aprender y extraer características globales y locales del
contenido de una imagen o incluso a la codificación de estas
características mediante los cada vez más extendidos transformes
heredados del NLP o procesado del lenguaje natural y todos los
estudios y proyectos posteriores hacia nuevas arquitecturas y modelos
capaces de solventar tareas de clasificación, localización de objetos
en 2D y 3D, segmentación semántica, instanciada o panóptica,
generación de datos sintéticos, transferencia de estilos, generación de
imágenes a partir de texto, entre muchos otros.
 A pesar de estos avances, si echamos la vista atrás incluso antes de
la explosión del Deep Learning, la visión artificial industrial aplicada a
la robótica lleva muchos años instaurada dentro de los procesos de
automatización industrial. Alguno de los casos de uso es:

 Pick and place: Mediante una cámara 2d, se localiza un objeto

entrenado normalmente con un algoritmo de patrones geométricos,
devolviendo la coordenada al robot en base a una calibración previa
robot-cámara. El robot coge el objeto y lo ubica en otra posición que
puede ser alimentación de máquina, packaging, montaje, entre otros.
 Figura
7. Pick and Place de bombones Fuente: Google (2022)

 Bin picking: Es una evolución del pick and place, pero trabajando con
datos 3D. Las piezas vienen dentro del contenedor de cualquier
manera y es habitual cargar el cad de la pieza en el software para la
localización 3d de esta dentro de la escena, de forma que podamos
devolver la pose (x, y, z, rx, ry, rz) de la pieza en base robot para que
el robot pueda ir a recogerla.

Figur
a 8. Bin picking.  Fuente: Photoneo (2022)

 Despaletizado: Habitualmente son estructurados y se trabaja por

pisos. Se puede utilizar una cámara 2D, 3D o RGBD para localizar la
pieza y devolver la pose al robot.
 Figura
9. Despaletizador 3d.  Fuente: Honeywell (2022)

 Paletizado: En muchas ocasiones como el robot va paletizando no

requiere de visión porque sigue un algoritmo de ordenación, aunque
se pueden utilizar cámaras para localizar los espacios libres de un
pallet e ir paletizando de una forma autónoma según necesidades.
Esto es útil cuando los tamaños de los objetos, muchas veces cajas,
son diferentes y vienen de forma aleatoria.
 Figura
10. Paletizador.  Fuente: Canadian Packaging (2022)

 Pick objectos de formas irregulares: Este tipo de picking está

pensado para poder localizar y coger objetos de diferentes formas y
tamaños en la misma caja o cinta transportadora. Utiliza algoritmos de
Deep Learning de segmentación y detección de objetos para poder
encontrar el centro de masas de estos habitualmente en la imagen 2D
que tiene una correlación directa con una imagen 3D, de manera que
encontrado el centro de masas se puede dar la pose de esta en base
robot.

Figura 11. Pick objetos de formas irregulares.  Fuente: Covariant

(2022)

 Controles de calidad mediante robots: Esta aplicación suele llevar

un dispositivo de adquisición de imágenes en la mano del robot, ya
sea 2D y 3D, para poder acceder a diferentes zonas del objeto a
inspeccionar o poder escanearlo haciendo un barrido de este,
 obteniendo una representación 3d de la pieza gracias a la
composición de las diferentes adquisiciones.

Figura
12. Inspección multipunto DL.  Fuente: UR (2022)

 Detección de obstáculos: A parte de la manipulación de piezas, la

visión es muy útil en agvs y drones para poder evitar colisión con
obstáculos. Serian el sustitutivo a sensores con la particularidad que
pueden ser potenciados por inteligencia artificial para entender que
objetos se presentan en su camino.
 Figura 13. Detección de obstáculos.  Fuente: Sick (2022)
Actualmente se están desarrollando nuevas herramientas de Deep
Learning para ayudar a los robots a comprender mejor el mundo que
les rodea y poder así hacer tareas cada vez más autónomas. Las
siguientes son algunas destacables de las muchas que hay en
marcha:

 Gemelos digitales: Los gemelos digitales llevan tiempo utilizándose

para la simulación robótica industrial, sobre todo para hacer estudios
de viabilidad de proyectos y conocer tiempos de ciclo, cargas, longitud
suficiente para llegar a todos los puntos, entre otros. Pero gracias a
los nuevos avances en inteligencia artificial, se pueden utilizar estas
simulaciones para poder entrenar modelos de inteligencia artificial
como se hace por ejemplo en conducción autónoma, donde se
generan datasets auto anotados, quitando mucha faena manual para
los modelos supervisados, y situaciones incluso difíciles de crear en la
vida real pero que podrían pasar, por ejemplo, un avión aterrizando en
la autopista es poco probable pero no imposible. Se ha demostrado
que entrenando una maquina en un simulador y agregándole luego
muestras reales para tunear el sistema, la eficiencia es muy alta. Esto
abre una nueva vía en poder facilitar el entrenamiento y la
implementación en instalaciones robóticas industriales de todo tipo,
desde brazos robóticos a vehículos guiados.
 Figura
14. Digital twin.  Fuente: Nvidia (2022)

 Datos sintéticos: Otro de los campos donde se está trabajando

dentro del Deep Learning es la generación de imágenes sintéticas de
forma automática. Gracias a los avances en redes generativas
adversarias (GANS) o los modelos de difusión, es posible entrenar
una red para crear datos digitales que nos sirvan para poder generar
un dataset largo, preciso y pre anotado.

Figura 15. Imagen digital

para entrenar a un robot de picking de formas irregulares Fuente:
Covariant (2022)

 Segmentación 3D: Es una tarea que se esta empezando a introducir

en algunos sistemas de bin picking para poder obtener ventaja del uso
del Deep Learning en 3D y tendrá muchos casos de uso dentro de la
robótica industrial, ya que permite clasificar todos los puntos de una
nube de puntos a la clase o objeto que pertenecen, de manera que no
será necesario el uso de cad o un patrón entrenado para poder buscar
objetos en la escena 3D. Actualmente se esta trabajando mucho en
poder mejorar la precisión de detección sobre todo para poder separar
bien los objetos entre sí.
 Figur
a 16. Segmentación 3D Fuente: Science direct (2020)

 Guiado de montaje: En robótica industrial, se trata de que que los

robots aprendan de la observación del montaje. Es decir, un operario
le enseña al robot como montar una pieza y gracias al sistema de
vision y la inteligencia artificial, una vez el operario a acabado el robot
es capaz de imitar y reproducir el mismo montaje sin necesidad de ser
programado para ello.

Figura
17. Brazo robótico imitando a una persona. Fuente: Kuka (2021)

 Tracking: La idea es que los robots puedan asistir a los operarios de

forma autónoma, siguiéndolos en su tarea rutinaria de manera que
estos puedan acceder rápidamente a coger una herramienta, por
ejemplo, en el caso de un operario de mantenimiento, colocar frutas
en una caja, entre muchos otros casos de uso.
 Figura 18. Robot sigue a
un operario en agricultura. Fuente: farmng (2021)

 Texto a imagen para entrenar robots: Partiendo de los últimos

avances en generación de imágenes a partir de texto gracias a los
modelos de difusión, la idea es poder darle un texto al robot con
instrucciones de una acción para que se haga una idea visual de que
debe hacer, que es algo muy innato y natural en los humanos. De esta
manera el robot podría ordenar algo, ir a un sitio, colocar objetos de
manera autónoma, entre muchos otros.

Conclusión
En este articulo nos hemos centrado en inteligencia y visión artificial
en la robótica industrial y solo hemos nombrado alguno de los
muchísimos casos de uso, estudios y avances que se están
produciendo a una velocidad de vértigo. Fuera de la industria y
la robótica industrial hay muchos otros casos y a pesar de que aun
estamos a años luz de la AGI, que es la inteligencia artificial en la que
un robot es igual o más listo que un ser humano, muchos procesos
que actualmente se programan para que un robot los automatice
serán aprendidos por estos de una forma completamente autónoma
en los próximos años. De hecho, el ultimo robot de Google es un
asistente para ayudar al ser humanos en ciertas tareas del hogar, ¿os
imagináis que al acabar de comer no tenéis que recoger la mesa? ¿O
que nunca más habrá que limpiar el polvo de las estanterías o arreglar
el jardín? Parece mentira, pero como hemos vivido estos últimos años
donde muchas cosas que no podíamos imaginar se han convertido en
algo cotidiano, podemos decir que quizás la ficción en temas
tecnológicos no este tan lejos de la realidad como pensamos.
 Figura
20. Robot asistente de Google Fuente: Google (2022)