Investigadores de la Universidad de Lincoln, el Laboratorio de Investigación de Cambridge de Toshiba Europa, la Universidad de Surrey, la Universidad Estatal de Arizona y el Instituto Avanzado de Ciencia y Tecnología de Corea (KAIST) han presentado una estrategia computacional alternativa para evitar que las manos robóticas dejen resbalar los objetos que agarran. Los resultados relacionados se han publicado en la revista Nature Machine Intelligence.

Los métodos tradicionales para mejorar la capacidad de agarre de los robots consisten en apretar la fuerza de sujeción de la mano robótica para evitar que el objeto resbale, pero esto no siempre es efectivo e incluso puede dañar objetos frágiles. Inspirado por la forma en que los humanos manejan objetos, el equipo de investigación ha desarrollado un nuevo controlador. Este controlador, compuesto por un controlador robótico y una estrategia de modulación de trayectoria biónica predictiva, puede predecir cuándo es probable que un objeto resbale y ajustar en consecuencia el movimiento del robot, de manera similar a cómo un humano ajusta hábilmente sus movimientos en lugar de apretar con fuerza cuando sostiene un objeto frágil o resbaladizo.

La estrategia de modulación de trayectoria biónica en la que se basa el nuevo controlador complementa la tecnología tradicional, permitiendo regular la fuerza de agarre del robot para lograr una manipulación más diestra. Permite al robot reducir la velocidad, cambiar de dirección y adaptar en tiempo real la posición y orientación de su mano, reduciendo el riesgo de rotura al manipular objetos frágiles. Además, es aplicable en situaciones donde no se puede modificar la fuerza de agarre, logrando una interacción más fluida e inteligente con diversos objetos.

La investigación ha logrado dos avances clave: primero, un controlador de deslizamiento basado en el movimiento, pionero en su categoría, que complementa el control basado en la fuerza de agarre y es especialmente importante cuando no es posible aumentar dicha fuerza; segundo, un controlador predictivo impulsado por un modelo táctil directo aprendido (es decir, un modelo del mundo), que permite al robot predecir el deslizamiento basándose en las acciones planificadas.

El controlador recién desarrollado se utilizó para planificar el movimiento de la pinza robótica y se probó en entornos dinámicos no estructurados. Los resultados mostraron que, en ciertos casos, este controlador puede mejorar significativamente la estabilidad del agarre robótico, superando en rendimiento a los controladores convencionales que solo ajustan la fuerza de agarre.

Este resultado de investigación tiene el potencial de impulsar el avance de los sistemas robóticos, permitiéndoles utilizar modelos del mundo para manejar de manera segura diversas interacciones físicas e incluso sociales. Podría aplicarse en escenarios del mundo real como entornos domésticos, sitios de fabricación e instalaciones de atención médica.

Actualmente, el equipo de investigación está trabajando para hacer que el controlador predictivo sea más rápido y eficiente, con el fin de desplegarlo en entornos en tiempo real más exigentes. Esto incluye explorar diferentes arquitecturas y técnicas algorítmicas para reducir la carga computacional. El próximo paso será ampliar el sistema para admitir tareas de manipulación de objetos más avanzadas y complejas, como manejar objetos deformables o que requieren manipulación con ambas manos. También planean combinar el método con algoritmos de visión por computadora para planificar la trayectoria del robot basándose en información táctil y visual. Además, mejorar la verificabilidad e interpretabilidad de los modelos de aprendizaje es una dirección importante, con el objetivo de desarrollar controladores predictivos transparentes y seguros que faciliten su despliegue en el mundo real.