Mini Cheetah mejora sus «habilidades felinas» con botas de monedas de níquel
A medida que los robots cuadrúpedos aprenden a realizar cada vez más tareas dinámicas, probablemente pasarán mucho tiempo sin tener los pies en el suelo. No es necesario caerse (aunque eso, por supuesto, es inevitable, porque al fin y al cabo son robots con patas), pues de una forma u otra pueden estar en vuelo. El momento más peligroso del vuelo será la caída desde una altura considerable, ya que casi con seguridad destrozará a un robot muy caro y cualquier carga útil que pudiera transportar.
Una mala caída es un problema no solo para los robots, así que no sorprende que los cuadrúpedos en la naturaleza ya lo hayan resuelto. O, al menos, lo han resuelto los gatos, que pueden aterrizar de forma fiable sobre las patas para reducir el daño de la caída. Para enseñar a los robots cuadrúpedos este truco, investigadores de la Universidad de Notre Dame han entrenado al Mini Cheetah en algunas habilidades de autorrecuperación en el aire con ayuda de botas llenas de monedas.
Las patas del Mini Cheetah (como las de muchos robots) se diseñaron ligeras a propósito, porque deben moverse rápido, y para ello hay que minimizar la masa que se desplaza hacia delante y hacia atrás en cada paso. Así el robot es lo más eficiente posible. Pero para que el robot se reoriente en el aire, debe, por el contrario, empezar a balancear la mayor masa posible.
Cada pata del Mini Cheetah se modificó con botas impresas en 3D, rellenas con dos rollos de monedas estadounidenses de cinco centavos (de níquel), que añaden unos 500 g a cada pie; esto basta para que el robot se mueva como necesita. La razón por la que las botas de níquel son importantes es que la única forma en que el Mini Cheetah puede cambiar su orientación al caer es agitar las patas. Cuando sus patas se mueven en una dirección, el cuerpo se mueve en la otra, y cuanto más pesadas son las patas, mayor fuerza pueden ejercer sobre el cuerpo.
Como en cualquier otra robótica, conseguir que el equipo haga lo que quieres es solo la mitad del trabajo. Y a veces, mucho menos que la mitad. El problema con el Mini Cheetah era que tiene muy, muy poco tiempo para averiguar cómo hacerlo bien. Debe detectar que cae, averiguar en qué orientación está, elaborar un plan para aterrizar y luego ejecutarlo con éxito. El robot no tiene tiempo para pensar todo esto cuando empieza a caer en picado, por eso el método que idearon los investigadores se llama enfoque «reflejo».
«Aunque los algoritmos de optimización de trayectorias cada vez son mejores, todavía no son lo bastante rápidos como para encontrar una solución desde cero en las fracciones de segundo que transcurren entre el momento en que el robot detecta la caída y aquel en que debe empezar el movimiento de recuperación. Hemos sorteado este problema haciendo caer al robot repetidamente en una simulación, donde podemos dedicar todo el tiempo que necesitemos a encontrar una solución, y entrenando una red neuronal para imitar el optimizador de trayectorias. La red neuronal entrenada asocia las orientaciones iniciales con trayectorias que llevan al robot a aterrizar sobre las patas. Llamamos a esto enfoque «reflejo», porque la red neuronal ha aprendido básicamente una respuesta automática que puede ejecutarse cuando el robot detecta que se cae»
Este método funciona bastante bien, pero tiene algunas limitaciones, la mayoría de las cuales no parecerían tan malas si no compararan a los robots cuadrúpedos con los animales. Los gatos son simplemente supercompetentes en lo que hacen, y la capacidad de imitar su habilidad para girar rápidamente hasta una configuración de aterrizaje favorable desde cualquier orientación inicial será muy difícil de lograr para un robot.
«Cuanto más me dedico a la robótica, más entiendo lo asombrosa que es la naturaleza, y este proyecto es un buen ejemplo. Los gatos pueden dar un giro completo de 180 grados al caer desde la altura del hombro. Nuestro robot alcanzó límites de par al girar 90 grados desde una altura de unos 3 m del suelo. Usar el movimiento tridimensional completo supondría una mejora muy grande (el giro lateral debería ser más fácil, porque el momento de inercia del robot es menor en esa dirección), aunque me sorprendería que solo eso nos llevara a un rendimiento al nivel de un gato»
El mayor problema al que se enfrentan los científicos al pasar de 2D a 3D son las autocolisiones. Parece que evitar que el robot choque consigo mismo debería ser sencillo, pero las propias colisiones imponen restricciones bastante molestas que dificultan numéricamente encontrar soluciones de alta calidad para los algoritmos de optimización de trayectorias.
Existen vértebras flexibles con accionamiento para robots cuadrúpedos, que tienen muchas ventajas, pero son bastante complejas de por sí. Según Kurtz, en el caso del problema del gato que cae, una columna flexible podría ayudar tanto por tener una distribución natural flexible de la masa como desde el punto de vista del diseño del controlador, ya que se podría imitar directamente el movimiento de «doblar y torcer» del gato. Del mismo modo, una columna flexible podría ayudar en tareas con grandes fases de vuelo, como los problemas de saltos en el espacio.
«Teniendo en cuenta lo dicho, reorientarse en el aire no es la tarea principal de la mayoría de los robots cuadrúpedos, y para mí no es evidente que una columna vertebral flexible vaya a ayudar mucho al caminar, correr o trepar por terreno irregular. Además, las plataformas de hardware existentes con espalda rígida, como Mini Cheetah, son perfectamente capaces, y creo que todavía no hemos explotado todo el potencial de estos robots. Los algoritmos de control siguen siendo el principal factor limitante de los dispositivos con patas actuales, y añadir una columna vertebral flexible probablemente planteará problemas de control aún más complejos»
