Exteroception

También llamado: exteroceptive sensing, external sensing
Categoría: Sensing › Exteroceptive
Etiquetas: sensing, perception, sensor-classification, proprioception, perceptive-locomotion

La percepción del entorno exterior al robot, con cámaras, LiDAR, radar, sonar y sensores similares, en contraposición a la propiocepción, que percibe las propias articulaciones y el movimiento del robot.

Definición

Exterocepción (exteroception) es la percepción que tiene un robot del mundo exterior a su propio cuerpo: la forma, el aspecto y la posición del suelo, los obstáculos, los objetos y las personas que lo rodean. El término procede de la fisiología, donde Charles Sherrington distinguió los sentidos exteroceptivos, como la vista y el oído, de los sentidos propioceptivos de la posición y el movimiento del propio cuerpo. En robótica, este par es una forma estándar de clasificar los sensores. Los sensores exteroceptivos incluyen cámaras, cámaras de profundidad, LiDAR, radar, telémetros ultrasónicos, micrófonos y receptores GNSS; los sensores propioceptivos incluyen los encoders de articulación, la medición de corriente de los motores y las IMU.

La frontera no siempre es nítida. Una IMU percibe el movimiento del propio robot, pero también la dirección de la gravedad, y los sensores táctiles y de fuerza miden el contacto con el entorno, aunque en los trabajos de locomoción con patas suelen agruparse con la propiocepción. Una prueba práctica es si la señal describe principalmente el estado interno del robot o el mundo que lo rodea. Los datos exteroceptivos suelen ser de alta dimensión, llegan con cierta latencia y se ven afectados por la iluminación, el clima, el polvo, los reflejos y la oclusión. Los datos propioceptivos son de baja dimensión, rápidos y fiables, pero no revelan nada del entorno hasta que el robot lo toca.

Gran parte del diseño de robots consiste en combinar ambos. En la locomoción con patas, los controladores ciegos que solo usan la propiocepción son robustos, pero reaccionan al terreno solo después del contacto, mientras que los controladores perceptivos añaden entradas exteroceptivas, como muestras de altura de un mapa de elevación, para que el robot pueda colocar los pies con antelación. Como la exterocepción puede fallar o inducir a error, por ejemplo con hierba alta, nieve, vidrio o agua, los sistemas robustos estiman hasta qué punto confiar en ella y recurren a la propiocepción cuando ambas discrepan. Los conjuntos de datos de vehículos como TartanDrive registran flujos exteroceptivos, como imágenes de la cámara frontal y mapas de altura y de color vistos desde arriba, junto con señales propioceptivas, para que los modelos puedan aprender cómo afecta el terreno al movimiento del vehículo.

Por qué importa

La exterocepción es la forma en que un robot se informa de todo lo que todavía no ha tocado: obstáculos, el terreno que tiene delante, objetos que agarrar y personas cercanas. Saber qué puede ver cada sensor exteroceptivo, dónde falla y cómo combinarlo con la propiocepción es una parte básica del diseño de cualquier robot que trabaje en un entorno no estructurado.

Aplicaciones clave

Detección y evitación de obstáculos para robots móviles
Locomoción con patas perceptiva en escaleras y terreno irregular
Detección de objetos y estimación de pose para la manipulación
Cartografía, localización y SLAM
Clasificación del terreno para la conducción todoterreno
Detección y seguimiento de personas por seguridad

En la práctica

Un equipo de cuadrúpedos añade una capa perceptiva a un controlador de marcha que ya funciona a ciegas. Unas cámaras de profundidad y un LiDAR alimentan un mapa de elevación alrededor del robot, y la política recibe muestras de altura alrededor de cada pie además de los estados de las articulaciones y los datos de la IMU. En las pruebas, el robot sube ahora escaleras en las que antes tropezaba, pero da traspiés en la hierba alta, donde el mapa muestra una superficie sólida que no existe. El equipo vuelve a entrenar la política con mapas de altura aleatorizados y corrompidos para que aprenda a apoyarse en la propiocepción cuando los contactos de los pies discrepan del mapa, y registra ambos flujos para encontrar terrenos en los que la entrada exteroceptiva induce a error al robot.

Ideas erróneas comunes

Exterocepción significa cámaras — abarca cualquier percepción del mundo exterior, incluidos LiDAR, radar, sonar, micrófonos y GNSS
Más sensores exteroceptivos siempre hacen más robusto a un robot — cada uno añade modos de fallo y latencia, y el controlador necesita una forma de saber cuándo la visión externa es errónea
Exterocepción y propiocepción son opciones que compiten entre sí — la mayoría de los robots capaces las combinan, usando la propiocepción para una realimentación rápida y fiable y la exterocepción para anticiparse
Todo sensor encaja limpiamente en una categoría — las IMU y los sensores de contacto y de fuerza están cerca de la frontera, y su clasificación depende de para qué se use la señal

Quién debería saberlo

Ingenieros de percepción y de sensores
Desarrolladores de locomoción de robots con patas y móviles
Ingenieros de fusión de sensores y estimación de estado
Estudiantes de robótica que aprenden cómo se clasifican los sensores

Tecnologías relacionadas

LiDAR
Cámaras de profundidad estéreo y de tiempo de vuelo (Time-of-Flight)
Radar
Telémetros ultrasónicos
Cartografía de elevación (Elevation Mapping)
Fusión de sensores multimodal

Términos relacionados

Proyectos relacionados

Open3D: Modern library for 3D point cloud processing, mesh operations, and 3D machine learning
PCL: Industry-standard C++ library for point cloud processing in robotics perception
OpenMind OM1: AI-native operating system for robots with modular perception, cognition, and action
Patchwork++: Fast and robust ground segmentation for 3D LiDAR point clouds from KAIST
Vision Pilot: Autoware Foundation's open-source L2 ADAS stack from a single camera
RAI: Vendor-agnostic agent framework for ROS 2 robots and physical AI