Una investigación conjunta entre la Universidad de Leeds y el University College London (UCL) ha logrado un gran avance, desarrollando un sistema de inteligencia artificial (IA) que permite a los robots cuadrúpedos ajustar su marcha de manera autónoma según diferentes terrenos desconocidos. Este logro se considera el primero en el mundo, y el artículo relacionado se ha publicado en la revista Nature Machine Intelligence.

La generación actual de robots necesita ser informada de cuándo y cómo cambiar el paso, pero esta tecnología innovadora permite que los robots cambien su modo de movimiento de manera autónoma. Este avance es significativo para el uso de robots con patas en entornos peligrosos como la desactivación nuclear y el rescate en desastres, donde la incapacidad de adaptarse a situaciones desconocidas podría poner en riesgo vidas.

Los investigadores se inspiraron en animales cuadrúpedos como perros, gatos y caballos, que son buenos adaptándose a diferentes terrenos y cambian su modo de movimiento según la situación para ahorrar energía, mantener el equilibrio o enfrentar amenazas. Basados en esto, los investigadores crearon un marco que enseña a los robots a transitar entre acciones como trotar, correr y saltar, similar a los mamíferos en la naturaleza.

Al incorporar estrategias de navegación de animales en mundos impredecibles en el sistema de IA, el robot apodado "Clarence" aprendió las estrategias necesarias en solo 9 horas gracias a la poderosa capacidad de procesamiento de datos de la IA, mucho más rápido que el tiempo que tardan los animales jóvenes en adaptarse a diferentes superficies.

Joseph Humphreys, primer autor del artículo, introduce que este marco permite que los robots cambien el paso según el entorno, superando diversos terrenos como madera irregular, astillas sueltas y vegetación excesivamente crecida, sin necesidad de cambiar el sistema en sí. Este marco es el primero en integrar simultáneamente tres componentes clave de la estrategia de conversión de marcha del movimiento animal, la memoria de programas de marcha y el ajuste de movimiento adaptativo en un sistema de aprendizaje por refuerzo, que puede pasar directamente de la simulación a un despliegue multifuncional en el mundo real sin ajustes adicionales en el robot físico.

Los agentes de aprendizaje por refuerzo profundo suelen tener dificultades para adaptarse a cambios ambientales, pero los investigadores superaron este desafío inyectando estrategias de movimiento animal naturales en el sistema. En términos simples, el robot no solo aprende cómo moverse, sino que también aprende a decidir qué marcha usar, cuándo cambiar y cómo ajustarla en tiempo real, incluso en terrenos nunca antes encontrados.

El profesor Zhou del Departamento de Ciencias de la Computación de UCL, como autor senior, indica que la investigación surge de la idea de hacer que los robots con patas se muevan instintivamente como animales, con el objetivo de dotar a los robots de inteligencia estratégica animal para ajustar la marcha, permitiéndoles elegir modos de movimiento basados en situaciones en tiempo real en lugar de reglas preestablecidas, para navegar de manera segura y eficiente en entornos desconocidos. La visión a largo plazo del equipo es desarrollar sistemas de IA encarnada que se muevan, adapten e interactúen de manera fluida como animales y humanos.

Los robots capaces de navegar en terrenos complejos desconocidos abren nuevas posibilidades para aplicaciones en respuesta a desastres, exploración planetaria, agricultura e inspección de infraestructura. Al mismo tiempo, esta investigación propone una vía prometedora para incorporar inteligencia biológica en sistemas robóticos y realizar investigaciones más éticas sobre hipótesis de biomecánica, utilizando robots para estudiar reacciones de recuperación de estabilidad en animales sin instalar sensores invasivos o colocarlos en peligro.

Actualmente, el enfoque de la investigación es lograr movimientos cotidianos robustos, y en el futuro, el equipo espera agregar más habilidades dinámicas como saltos de larga distancia, escalada y navegación en terrenos empinados o verticales. Aunque este marco se ha probado actualmente solo en un robot cuadrúpedo del tamaño de un perro, sus principios básicos tienen amplia aplicabilidad, y los mismos indicadores biomiméticos se pueden aplicar a robots cuadrúpedos de varios tamaños y pesos, siempre que tengan morfologías similares.