Un equipo internacional liderado por Tohoku University y el instituto tailandés VISTEC ha enseñado al robot hexápodo RedMirror a caminar a partir de unos pocos pasos de un insecto palo. El trabajo busca extraer el objetivo que guía la marcha del animal y trasladarlo a máquinas con cuerpos diferentes, en vez de programar a mano cada patrón de movimiento.
Aprender el objetivo, no copiar cada articulación
El punto de partida parece modesto: una secuencia abierta de apenas tres o cuatro pasos de un insecto palo sobre una superficie plana. Sin embargo, el sistema no intenta reproducir literalmente los ángulos de sus patas. El animal y RedMirror tienen tamaños, masas, actuadores y geometrías distintas, de modo que una copia directa de movimientos no serviría como controlador.
Los investigadores recurrieron al aprendizaje por refuerzo inverso adversarial. En el aprendizaje por refuerzo convencional, una persona define una función de recompensa que indica qué debe premiar el robot: avanzar, mantenerse estable o gastar menos energía, por ejemplo. Aquí el algoritmo observa la demostración biológica e infiere qué recompensa latente parece explicar la conducta del insecto. Después entrena una política capaz de perseguir ese objetivo con el cuerpo del robot.
La arquitectura separa lo que puede ser común a distintos cuerpos —la recompensa aprendida— de la política de control específica de cada máquina. Esa división es la parte transferible del trabajo: el objetivo inferido con el insecto puede orientar el entrenamiento de modelos robóticos con otras dinámicas sin obligar a diseñar desde cero una recompensa para cada plataforma.
Según la comunicación de Tohoku University, RedMirror aprendió a caminar en una hora y alcanzó la marcha tres veces más rápido que con una recompensa convencional. La comparación se refiere a la velocidad de aprendizaje frente al método de referencia del estudio, no a que el robot caminase físicamente al triple de velocidad.
De la simulación al hexápodo RedMirror
El equipo llevó la política a RedMirror, una plataforma de seis patas desarrollada en VISTEC y aproximadamente cinco veces mayor que el insecto usado como demostrador. La prueba física mostró marcha sobre terreno irregular y capacidad para continuar cuando faltaba una pata, dos situaciones que no aparecían en el breve ejemplo biológico sobre suelo plano.
El resultado sugiere que el método no se limita a memorizar una trayectoria. El artículo, publicado en Bioinspiration & Biomimetics, describe patrones de coordinación adaptativos bajo condiciones ambientales diferentes y una convergencia más rápida que la obtenida mediante recompensas diseñadas manualmente. También señala que la coordinación resultante conserva rasgos más próximos a la marcha biológica.
Ese enfoque puede reducir una tarea costosa de la robótica con patas. Ajustar a mano reglas de coordinación y coeficientes para cada nuevo chasis exige tiempo y conocimiento específico, y los parámetros que funcionan en una simulación pueden degradarse al pasar al hardware. Aprender una intención locomotora más general y recalibrar después la política para el cuerpo concreto ofrece una vía para reutilizar parte del trabajo.
La idea tiene interés para robots de inspección o respuesta a emergencias, donde las ruedas encuentran límites ante escalones, escombros y huecos. Un hexápodo que redistribuye el apoyo tras perder contacto o sufrir una avería podría mantener la movilidad suficiente para salir de una zona o completar una inspección básica.
Una demostración preliminar, no un robot de rescate
La prueba todavía está lejos de demostrar una operación autónoma en un desastre. El propio resumen del artículo científico califica el despliegue sobre el robot físico como preliminar. No se publican en la nota de prensa métricas de velocidad, consumo, distancia, tasa de éxito, carga útil o duración de la marcha después de retirar una pata.
Tampoco basta con caminar para desenvolverse en un entorno real. Un robot de rescate necesitaría percepción, planificación, comunicaciones, protección frente a polvo y agua y criterios para decidir dónde apoyar cada extremidad. El trabajo presentado se concentra en la coordinación locomotora y no afirma resolver ese sistema completo.
La siguiente ampliación anunciada es dotar al controlador de memoria para que acumule experiencia con el tiempo. También será importante comprobar si la recompensa aprendida mantiene su ventaja al transferirse a robots más distintos, a terrenos no preparados y a secuencias más largas que los pocos pasos originales.
La aportación verificable es más concreta: RedMirror ha trasladado al mundo físico una estrategia inferida de conducta animal, ha aprendido con menos diseño manual y ha respondido a perturbaciones que no estaban en la demostración. Convertir esa capacidad en una herramienta robusta exigirá ensayos cuantitativos más amplios.