Robot antitropiezos se adapta a terreno complejo en tiempo real
Los robots tienen dificultades para improvisar, y chocar con una superficie inusual o un obstáculo suele significar una parada brusca o una caída fuerte. Pero los investigadores han creado un nuevo modelo de locomoción para robots que se adapta en tiempo real a cualquier terreno con el que se encuentre, cambiando su forma de caminar sobre la marcha para seguir avanzando al topar con arena, piedras, escaleras y otros cambios repentinos.
Aunque el movimiento de un robot puede ser versátil y preciso, y puede aprender a subir escaleras y atravesar terrenos irregulares, este comportamiento se parece más a habilidades entrenadas individualmente entre las que el robot alterna. Robots conocidos, como Spot, pueden recuperar el equilibrio ante empujones o golpes con las patas.
En realidad, el sistema simplemente funciona para corregir una anomalía física, manteniendo una política de marcha invariable. Existen varios modelos de movimiento adaptativo, pero algunos son muy específicos y otros necesitan bastante tiempo para funcionar, por lo que el robot seguro que se cae para cuando entren en vigor.
El equipo de Facebook AI, la Universidad de California en Berkeley y la Universidad Carnegie Mellon llamó al sistema Rapid Motor Adaptation. Lo crearon porque las personas y los animales pueden cambiar su forma de caminar de manera rápida, eficiente e inconsciente según las circunstancias.
«Imagina que estás aprendiendo a caminar y vas por primera vez a la playa. Tu pie se hunde, y para sacarlo necesitas hacer más fuerza. Parece extraño, pero después de unos pocos pasos caminarás de forma natural, como sobre tierra firme. ¿Cuál es el secreto?»
Por supuesto, si nunca antes has estado en una playa, en ese momento no entras en un especial «modo arena» que te permita caminar sobre superficies blandas. La forma en que cambias tu movimiento ocurre automáticamente y sin ninguna comprensión real del entorno externo.
El cuerpo humano reacciona a distintas condiciones físicas, percibiendo las distintas consecuencias de esas condiciones para el propio cuerpo. El sistema RMA funciona de forma similar: al moverse en nuevas condiciones, las reglas de la marcha cambian en muy poco tiempo (medio segundo o menos).
El sistema se entrenó por completo mediante simulación en una versión virtual del mundo real, donde un pequeño cerebro del robot (todo funciona localmente en la unidad de cálculo limitada a bordo) aprendió a maximizar el avance con la mínima energía y a evitar caídas, observando y respondiendo de inmediato a los datos que llegan de sus acelerómetros y otros sensores físicos.
Para subrayar la esencia interna común del enfoque RMA, Malik afirmó que el robot no usa en absoluto la entrada visual. Si las personas y los animales sin vista pueden caminar con normalidad, ¿por qué no iba a poder hacerlo un robot? Es imposible estimar los «efectos externos», como el coeficiente de fricción exacto de la arena o las piedras por las que camina, así que simplemente presta atención a lo que ocurre en su propio cuerpo.
En última instancia, el sistema consta de dos partes: un algoritmo principal que funciona continuamente y que, en la práctica, controla la marcha del robot, y un algoritmo adaptativo que funciona en paralelo y supervisa los cambios en los indicadores internos del robot. Cuando detecta cambios significativos, este último los analiza —«las patas deberían hacer esto, pero lo hacen de otra manera, lo que significa que la situación es esta»— e indica al modelo principal cómo adaptarse.
A partir de ese momento, el robot solo piensa en cómo avanzar en estas nuevas condiciones, improvisando de manera eficaz una marcha especial. Tras el entrenamiento en simulación, el robot ya ha tenido éxito en el mundo real.
En el comunicado de prensa se afirma: «El robot pudo caminar sobre arena, barro, senderos y hierba alta sin un solo fallo en todas nuestras pruebas. El robot bajó con éxito unas escaleras en un sendero en el 70 % de los intentos. Superó un montón de cemento y un montón de guijarros en el 80 % de los intentos, a pesar de que nunca había visto terreno inestable o hundible, vegetación que obstruyera el paso ni escaleras durante el entrenamiento. También mantuvo su altura con un alto grado de éxito al desplazarse con una carga útil de 12 kg, que equivalía al 100 % de su peso».
Malik aprobó la investigación de la profesora de la Universidad de Nueva York Karen Adolph, cuyo trabajo demostró lo fácilmente adaptable y libre que es el proceso por el que los seres humanos aprenden a caminar. El objetivo del equipo es que, si necesitas un robot capaz de afrontar cualquier situación, debe aprender a adaptarse desde cero, en lugar de tener múltiples modos entre los que elegir.
De la misma forma que es imposible crear un sistema de visión por computadora más inteligente etiquetando y documentando exhaustivamente cada objeto e interacción, tampoco se puede preparar a un robot para un mundo físico diverso y complejo con 10, 100 e incluso miles de parámetros especiales para caminar sobre grava, barro, escombros o madera mojada.
La base del sistema podría aplicarse potencialmente no solo a robots con patas, sino también a otros ámbitos de la IA y la robótica.
Además, la combinación de algoritmos básicos y adaptativos podría funcionar para otros sistemas inteligentes. Las casas inteligentes y los sistemas municipales suelen depender de políticas ya existentes, pero ¿qué pasaría si pudieran adaptarse sobre la marcha?
