Adiós, programación: Ahora entrenamos robots cuadrúpedos como si fueran perros, con voz y gestos
La siguiente generación de robots que entrará a nuestros hogares no llegará con un manual de instrucciones, sino con la disposición de un cachorro ansío por aprender. Investigadores han desarrollado un método que permite enseñar a robots de cuatro patas nuevas habilidades utilizando las mismas técnicas que un adiestrador canino: comandos de voz, gestos y guía física.
En las próximas décadas, los robots van a meterse en casas, oficinas y espacios públicos. No será ciencia ficción. Será parte de la rutina diaria, como hoy lo es el celular.
Los más avanzados son los robots con patas. Tienen un cuerpo central y extremidades, como un animal. Esa forma les da ventaja frente a los robots con ruedas. Pueden subir escaleras, esquivar obstáculos y moverse por terrenos irregulares. Llegan a lugares donde las ruedas simplemente no funcionan. Son más versátiles, más "todoterreno".
El problema es otro. Muchos solo hacen bien lo que practicaron miles de veces en simuladores. Cuando enfrentan situaciones nuevas con personas reales, se bloquean.
El método: Premios, guía y repetición (virtual)
Un equipo de la Korea University, la ETH Zurich y la University of California Los Angeles se preguntaron algo simple: ¿y si entrenamos robots como se entrena a un perro? La idea nació observando a adiestradores profesionales. Los perros no aprenden aislados. Miran, imitan, reciben guía física y responden a señales sociales.
Primero usan premios, como comida o juguetes, para moldear la conducta. Después, cuando el perro entiende, ya no necesita recompensa. Basta una orden o un gesto.
Los investigadores copiaron ese principio. En lugar de premios, usaron una varilla de entrenamiento que el robot debía seguir. Esa guía física le enseñaba el movimiento correcto. Con pocas interacciones reales, el robot aprende una conducta nueva. Luego deja la varilla y responde solo a gestos o comandos de voz. Igual que un perro entrenado.
El sistema también recrea las escenas en simulación. Es decir, toma lo que pasó en el mundo real y lo convierte en un entorno virtual donde el robot practica solo. Eso ahorra tiempo y esfuerzo. Recoger datos humanos todo el día cansa. Aquí, con pocas sesiones reales, el robot mejora por su cuenta en el simulador.
Talento robótico: Más ágil y rápido que un perro
Los resultados de este enfoque, publicados en el estudio "Learning Diverse Natural Behaviors for Enhancing the Agility of Quadrupedal Robots", son impresionantes. El equipo probó el método en un robot cuadrúpedo real, que aprendió rápidamente a acercarse a una persona, saltar obstáculos, seguir a alguien y moverse en zigzag.
La tasa de éxito fue de 97.15% , un resultado altísimo para tareas nuevas aprendidas en poco tiempo. Pero quizás el dato más impactante es su rendimiento físico: el robot fue capaz de completar un desafío de agilidad (similar a las competiciones caninas) a una velocidad media de 1.1 m/s, alcanzando un pico de 3.2 m/s en una prueba de salto de vallas.
Para lograrlo, los científicos crearon un "controlador integrado" que funciona como el cerebro y la médula espinal del animal. Una parte se encarga de los comportamientos básicos (aprendidos de capturas de movimiento de perros reales) y otra parte, de las tareas específicas que requieren percepción visual del entorno, como esquivar un obstáculo.
Más allá del paseo: El futuro de la manipulación
Este enfoque podría acelerar el entrenamiento y volver más intuitiva la interacción humano-robot. No haría falta ser programador para enseñar algo básico.
Los investigadores quieren ir más allá. Ahora buscan que estos robots no solo se muevan, sino que también manipulen objetos mientras caminan. Un ejemplo de ello es RAMBO (RL-Augmented Model-Based Optimal Control) , otro proyecto de la ETH Zurich. Este sistema permite a los robots, como el Unitree Go2, mantener el equilibrio sobre dos patas mientras usan las delanteras para empujar un carrito de la compra o transportar una bandeja, imitando la coordinación de un humano o un animal al hacer varias cosas a la vez.
Respaldo científico
Estos avances no son meras ocurrencias, sino que están publicados en los canales más prestigiosos de la robótica mundial. Los métodos descritos para enseñar movimientos naturales a partir de datos de perros se detallan en el estudio de Fu y sus colegas, actualmente disponible en arXiv
. Paralelamente, el trabajo sobre manipulación y equilibrio como RAMBO ha sido aceptado en la prestigiosa IEEE Robotics and Automation Letters.La meta es clara: robots que aprendan de forma continua, convivan con personas y se adapten con facilidad a entornos reales, no solo a mundos simulados. A largo plazo, apuntan a robots humanoides que aprendan conductas complejas mediante interacción física y luego obedezcan gestos y voz, integrándose de forma tan natural en nuestras vidas como lo hacen hoy nuestras mascotas.
