Aplicación de la inteligencia artificial generativa en la robótica colaborativa para mejorar la eficiencia y flexibilidad en entornos industriales

[SPA] Esta tesis doctoral se sitúa en la convergencia de dos líneas de investigación de gran actualidad: la inteligencia artificial generativa (IAG) y la robótica colaborativa en entornos industriales. La investigación aborda el desafío de trasladar las capacidades sorprendentes de los modelos generativos para interpretar y generar lenguaje natural hacia sistemas embebidos que operen en dispositivos con recursos limitados, garantizando precisión, eficiencia térmica y robustez frente a variaciones dialectales. Para ello, se persiguieron cuatro objetivos fundamentales: investigar las técnicas actuales de inteligencia artificial generativa y su potencial aplicación en la robótica colaborativa; desarrollar algoritmos y modelos de IAG adaptados a las necesidades específicas de la robótica colaborativa en entornos industriales; implementar y evaluar prototipos de robots colaborativos mejorados con IAG en casos de uso reales; y analizar el impacto de la IAG en la eficiencia, flexibilidad y seguridad de los procesos industriales. La metodología adoptó un enfoque mixto que combina análisis, diseño, implementación y evaluación, proponiendo una arquitectura cognitiva modular basada en cinco capas funcionales interconectadas: interfaz multimodal, procesamiento del lenguaje natural, razonamiento y planificación, control y retroalimentación. La validación experimental involucró 15 participantes distribuidos equitativamente según acentos del español colombiano (santandereano, costeño y paisa), quienes emitieron 10 comandos de voz cada uno dirigidos a un robot colaborativo UR3. Se evaluaron cinco modelos de IAG: Claude (en la nube), Mistral-7B, LLama-2-7B, Phi-2 y TinyLLaMA-1.1B (locales), analizando métricas de tiempo de respuesta, precisión de interpretación, diferencial térmico y tiempo de carga inicial mediante análisis estadísticos inferenciales (ANOVA, Chi-cuadrado) para evaluar el rendimiento individual y la interacción modelo-acento. Los resultados experimentales evidenciaron diferencias significativas entre modelos, donde Claude demostró el mejor desempeño con la menor latencia y máxima precisión (100% aciertos), sin generar variaciones térmicas al ejecutarse remotamente. Entre los modelos locales, Mistral-7B emergió como la opción más equilibrada, combinando alta precisión, buen tiempo de respuesta y mínima variación térmica, aunque presentó el mayor tiempo de carga inicial. Se identificó una interacción significativa entre modelo y acento del hablante, afectando principalmente el tiempo de respuesta y comportamiento térmico, aunque el acento no impactó directamente la precisión. La investigación valida la viabilidad técnica de integrar modelos generativos como núcleo funcional para el control e interacción de robots en entornos reales, proporcionando evidencia empírica sobre la importancia de considerar el contexto operativo (conectividad, disipación térmica, autonomía) en la selección de modelos IAG. La arquitectura cognitiva desarrollada es escalable y replicable, contribuyendo al avance de la industria mediante sistemas robóticos más adaptativos, intuitivos y colaborativos que transforman fundamentalmente la interacción humano-máquina en entornos industriales complejos.[ENG] This doctoral thesis is situated at the convergence of two highly relevant research lines: generative artificial intelligence (GAI) and collaborative robotics in industrial environments. The research addresses the challenge of transferring the remarkable capabilities of generative models for interpreting and generating natural language to embedded systems operating on devices with limited resources, ensuring precision, thermal efficiency, and robustness against dialectal variations. To achieve this, four fundamental objectives were pursued: investigating current generative artificial intelligence techniques and their potential application in collaborative robotics; developing GAI algorithms and models adapted to the specific needs of collaborative robotics in industrial environments; implementing and evaluating collaborative robot prototypes enhanced with GAI in real use cases; and analyzing the impact of GAI on efficiency, flexibility, and safety of industrial processes.The methodology adopted a mixed approach combining analysis, design, implementation, and evaluation, proposing a modular cognitive architecture based on five interconnected functional layers: multimodal interface, natural language processing, reasoning andplanning, control, and feedback. The experimental validation involved 15 participants distributed equally according to Colombian Spanish accents (Santanderean, coastal, and Paisa), who issued 10 voice commands each directed to a UR3 collaborative robot. Five GAI models were evaluated: Claude (cloud-based), Mistral-7B, LLama-2-7B, Phi-2, and TinyLLaMA-1.1B (local), analyzing metrics of response time, interpretation accuracy, thermal differential, and initial loading time through inferential statistical analyses (ANOVA, Chi-square) to evaluate individual performance and model-accent interaction.The experimental results evidenced significant differences between models, where Claude demonstrated the best performance with the lowest latency and maximum precision (100% accuracy), without generating thermal variations when executed remotely. Among local models, Mistral-7B emerged as the most balanced option, combining high precision, good response time, and minimal thermal variation, although it presented the highest initial loading time. A significant interaction between model and speaker accent was identified, primarily affecting response time and thermal behavior, although accent did not directly impact precision. The research validates the technical feasibility of integrating generative models as a functional core for robot control and interaction in real environments, providing empirical evidence on the importance of considering operational context (connectivity, thermal dissipation, autonomy) in GAI model selection. The developed cognitive architecture is scalable and replicable, contributing to industrial advancement through more adaptive, intuitive, and collaborative robotic systems that fundamentally transform human-machine interaction in complex industrial environments.

Author

• Hidalgo Castelo, Fernando Mauricio

• Inteligencia artificial generativa
• Robótica colaborativa
• Procesamiento del lenguaje natural
• Entornos industriales

Identifier

hdl:10317/21509

OAI identifier oai:identifier

oai:repositorio.upct.es:10317/21509