Uno de los ámbitos de investigación más prometedores en robótica es el de sortear toda clase de obstáculos. Subir escaleras, bajarlas, meterse por agujeros estrechos, ver en la oscuridad, escalar rocas, caminar por zonas de difícil acceso. Los robots todoterreno abundan en variedad y ya tenemos muchos de ellos trabajando en rescates, desactivación de explosivos o en exploración espacial.
Investigadores de la Universidad Carnegie Mellon y de la Universidad de California han logrado diseñar un sistema robótico que combina miles de robots todoterreno de pequeñas dimensiones. Y lo mejor, a bajo coste. Robots baratos para desarrollar toda clase de tareas de exploración allí donde el ser humano no puede llegar.
Su aspecto recuerda al de robots todoterreno similares como los archiconocidos prototipos de Boston Dynamics. Robots que ya se emplean en misiones militares, en rescates en lugares recónditos o en situaciones más cercanas como hospitales o zonas en cuarentena.
Robots todoterreno pequeños, baratos y pensantes
Pueden subir y bajar escaleras incluso a su altura, no más de 30 centímetros, atravesar terrenos rocosos, resbaladizos, desiguales, escarpados y variados. También pueden caminar por huecos, escalar rocas y bordillos y operar indistintamente de día o de noche. Y todas estas características, ya vistas en otros robots todoterreno, se combinan con la posibilidad de miniaturizar los dispositivos para que entren en lugares más estrechos.
En palabras de su responsable, Deepak Pathak, profesor asistente del Instituto de Robótica de la Universidad Carnegie Mellon, este tipo de robots son útiles tanto en hogares particulares como en tareas de búsqueda y rescate. Además, tienen una particularidad: se adaptan al terreno. Es decir, a medida que les ordenan avanzar por zonas de difícil acceso, el robot procesa la información y aborda la situación de la manera más eficaz posible.
Para hacer esto posible, entrenaron más de 4.000 copias de su modelo de robot todoterreno. Pero en un simulador, de manera virtual. De esta forma, estos robots revivieron situaciones complicadas una y otra vez dando distintas soluciones hasta encontrar las mejores respuestas en situaciones de peligro o de acceso complicado. Ese aprendizaje fue a parar a una red neuronal que se implementó en el robot físico. Gracias a este método, ganaron seis años de entrenamientos en un solo día.
Del mapeado a la simulación
El método tradicional para entrenar robots todoterreno es empleando sistemas de mapeado con cámaras y sensores. El robot escanea el terreno, lo procesa y reacciona. Sin embargo, en este método se producen algunos errores. Eso sin contar con que requiere tiempo y planificación. Además de un despliegue técnico para procesar esa información y dar respuesta.
Sin embargo, el sistema empleado en esta ocasión permite reaccionar más rápido ante lo que ve el robot delante de sí. O según sus creadores, reacciona 25 veces más rápido que un robot tradicional. Y está inspirado en cómo utilizan la visión humanos y animales para moverse. Además, resulta más sencillo técnicamente, por lo que abarata el coste de fabricación del mismo.
Basándose en movimientos aprendidos por el ser humano o por animales cuadrúpedos, los robots todoterreno responden accionando los motores correspondientes a cada pata. Movimientos que están guardados en la memoria interna y que recuperan para poner en práctica cuando se corresponden con el obstáculo al ser captado por la cámara del robot.
La investigación se presentó a finales de 2022 en el CoRL, Conference on Robot Learning, evento celebrado entre el 14 y 18 de diciembre en Auckland, Nueva Zelanda. Además, sus responsables han creado una página donde ver el documento científico o paper de la investigación. En la página se muestran imágenes en movimiento con ejemplos de todo lo que pueden hacer estos robots todoterrenos entrenados mediante redes neuronales, deep learning e inteligencia artificial.
