Desarrollaron un robot que aprende de sí mismo, se adapta y mejora sus movimientos sin intervención humana

Un brazo robótico desarrollado por la Universidad de Columbia Engineering logró aprender y adaptarse a daños estructurales simplemente observándose en video, sin necesidad de simulaciones previas ni intervención humana.

Esta nueva capacidad, llamada “autoconciencia cinemática”, abre la puerta a robots más autónomos y resilientes en la industria y el hogar.

El hallazgo, publicado en la revista Nature Machine Intelligence, representa un avance importante en el campo de la robótica y la inteligencia artificial. Hasta ahora, la mayoría de los robots aprendían a moverse mediante simulaciones creadas por ingenieros.

Sin embargo, este proceso es costoso y limita la capacidad de los robots para adaptarse a situaciones imprevistas en el mundo real.

Los investigadores de la universidad demostraron que los robots pueden aprender sobre su propio cuerpo y ajustar sus movimientos sin necesidad de programación externa.

Para lograrlo, el equipo desarrolló un sistema basado en redes neuronales profundas que permite a un robot modelar su propia forma en 3D utilizando solo una cámara 2D.

“Nuestro objetivo es un robot que comprenda su propio cuerpo, se adapte a los daños y aprenda nuevas habilidades sin una programación humana constante”, explicó Yuhang Hu, autor principal de la investigación y estudiante de doctorado en el Laboratorio de Máquinas Creativas de la Universidad de Columbia, en un comunicado del sitio oficial de la entidad.

Este método se inspira en la forma en que los humanos aprenden a moverse observando su reflejo en un espejo. Desde una edad temprana, las personas reconocen su imagen y ajustan sus movimientos en función de lo que ven.

Tradicionalmente, los robots fueron entrenados en entornos simulados antes de enfrentarse al mundo real. Pero este enfoque tiene limitaciones. Según Hod Lipson, director del Laboratorio de Máquinas Creativas y coautor del estudio, crear simulaciones precisas es una tarea compleja que requiere un esfuerzo considerable por parte de los ingenieros.

“Los humanos no podemos permitirnos el lujo de mimar constantemente a estos robots, reparar piezas rotas y ajustar el rendimiento. Los robots necesitan aprender a cuidar de sí mismos, si van a ser verdaderamente útiles”, afirmó Lipson en el comunicado de Columbia Engineering.

El nuevo sistema desarrollado en Columbia permite que los robots creen sus propias simulaciones sin depender de modelos preexistentes. Esto reduce el trabajo de los ingenieros y mejora la capacidad de los robots para responder a cambios inesperados en su entorno.

Para evaluar la eficacia del sistema, los investigadores realizaron una serie de pruebas con un brazo robótico autónomo. En primer lugar, el robot demostró su capacidad para esquivar obstáculos simplemente observando un video de sí mismo en movimiento.

Más allá de la planificación de movimientos, el sistema también permitió que el robot se adaptara a daños estructurales. Para probar esta capacidad, los investigadores imprimieron en 3D una versión dañada de su extremidad y la instalaron en el robot. Tras analizar un video de su nuevo estado, el sistema ajustó automáticamente los movimientos para compensar el daño.

“Nuestros resultados demuestran que esta simulación autoaprendida no solo permite una planificación precisa del movimiento, sino que también permite al robot detectar anomalías y recuperarse de los daños”, escribieron los investigadores en la versión preimpresa del artículo, según indicó Popular Science.

Las implicaciones de este avance son amplias. Uno de los escenarios propuestos por los investigadores es el de un robot doméstico capaz de adaptarse sin necesidad de intervención humana.

“Imaginemos un robot aspirador o un asistente personal que se da cuenta de que su brazo está doblado después de chocar contra un mueble. En lugar de averiarse o necesitar reparación, se observa a sí mismo, ajusta su movimiento y sigue funcionando”, contó Hu.

En el ámbito industrial, esta tecnología podría reducir los costos y el tiempo de inactividad. Por ejemplo, si un brazo robótico en una fábrica de automóviles sufre un desajuste, podría detectar el problema, recalibrar sus movimientos y seguir operando sin detener la producción.