Las ultimas noticias en tecnología, ciencia y cultura digital.

Científicos suizos han creado una red neuronal que permite a sus robots aprender a moverse por sí solos

Ingenieros en Suiza dicen que han encontrado una manera de hacer que un robot de cuatro patas sea aún más difícil de tirar al suelo durante un apocalípsis robótico. En un nuevo paper publicado en Science Robotics, han presentado un sistema que enseña al robot a moverse más rápido que nunca, al mismo tiempo que trata de evitar que lo derriben. Incluso es capaz de volverse a poner de pie si cae al suelo.

El ANYmal fue diseñado originalmente por investigadores del Laboratorio de Sistemas Robóticos del Instituto Federal de Tecnología de Suiza (ETH Zurich). Desde entonces, se ha comercializado como parte de la compañía ANYbotics, fundada en 2016, y continúa mejorándose. A diferencia de muchos de los robots de cuatro patas que existen en la actualidad, este robot impermeable fue diseñado específicamente para recorrer zonas difíciles de transitar, como bosques, complejos industriales y paisajes nevados. Según ANYbotics, ya puede usarse para llegar a lugares peligrosos donde los humanos no pueden ir, e incluso para misiones de búsqueda y rescate. Hasta hizo un cameo en un episodio de The X-Files el año pasado.

Advertisement

Aunque los robots de cuatro patas son más ágiles y se coordinan mejor que sus homólogos de dos, todavía queda mucho por mejorar. Una de las soluciones que ha encontrado la robótica es una forma de aprendizaje automático denominado aprendizaje por refuerzo. Este método permite a los robots entrenarse a sí mismos a través de un modelo de prueba y error para encontrar la mejor forma de realizar una tarea, como caminar. En pocas palabras, el aprendizaje por refuerzo permitiría al robot casi “pensar” y aprender como un animal, con su propia lógica interna.

GIF: ANYbotics

Sin embargo, usar el aprendizaje de refuerzo con un robot con patas no es tarea fácil, ya que tanto el robot como sus movimientos son muy complejos. Hasta el momento, los científicos se han limitado a hacer estas simulaciones por ordenador. Pero usar los datos de estas simulaciones para entrenar robots de la vida real también es difícil, según defiende Jemin Hwangbo, científico del Laboratorio de Sistemas Robóticos del ETH Zurich.

“Ha sido extremadamente difícil desarrollar políticas de control para robots tan sofisticados”, dijo a Gizmodo. “Existen incontables situaciones con las que se puede encontrar uno de estos robots, y es casi imposible diseñar una lógica de control que cubra todas”.

Advertisement

En el paper, Hwangbo y su equipo escribieron cómo desarrollaron una red neuronal que les permitía trasladar los datos de simulación al robot de forma más sencilla y con mayor efectividad que antes. Estas simulaciones fueron casi mil veces más rápidas de lo que hubieran sido en el mundo real. El equipo dijo que también fueron capaces de reducir la potencia de cálculo necesaria para hacer una simulación así, y que podía hacerse con un ordenador estándar.

GIF: ANYbotics
Advertisement

Sus últimos resultados, que exhibieron en una serie de vídeos, son realmente impresionantes (y dan también un poco de miedo). Su último ANYmal fue capaz de mejorar su récord de velocidad en un 25 por ciento y era capaz de procesar sus órdenes con mayor exactitud. Hasta era capaz de mantenerse erguido mientras los investigadores hacían todo lo posible por tumbarlo de una patada. Y ahora incluso podía levantarse después de haber caído al suelo, lo que, según el equipo, nunca se había observado en un robot de cuatro patas con este nivel de complejidad.

Además, según Hwango, su sistema debería funcionar en cualquier ANYmal. Según defienden los investigadores, podría ayudar a cualquier robot de cuatro patas a ponerse de pie. Pero todavía hay mucho trabajo por hacer si pretenden que el robot sea ágil en un amplio abanico de situaciones.

Advertisement

“Los principios que hemos presentado en este documento son solo para un terreno uniforme”, dijo. “Para atravesar terrenos difíciles y desestructurados, necesitamos sensores de visión y un sistema adecuado para procesar su información. Estamos trabajando en esta dirección y esperamos tener pronto una solución más versátil”.

Mientras tanto, esperemos que estos robots no recuerden nada de toda la violencia que hemos cometido contra ellos en nombre de la ciencia.

Share This Story