Uno de los aspectos más complejos de los robots inspirados en formas biológicas es la motricidad. Un coche, por ejemplo, es una máquina preparada para moverse como una máquina. Está pensado para que su construcción sea sencilla. El coche se adapta a la idea del ingeniero, mientras que en un robot humanoide o basado en un perro es el ingeniero quien tiene que buscar la fórmula para adaptarse a una morfología ya dada.

Los movimientos de los animales tienen millones de años de evolución y también los tienen sus tejidos. Tratar de reproducir esquemas similares con materiales como plástico o metal es complicado. Por eso en Boston Dynamics dieron una vuelta de tuerca a su línea de robots humanoides. A uno de ellos le colocaron ruedas en vez de pies y su movilidad parecía muy superior a la de otros modelos.

Pero la imitación de la naturaleza tiene muchas ventajas, así que es una rama que sigue en exploración. Uno de los últimos hitos le pertenece a ANYbotics, una spin off de la Escuela Politécnica Federal de Zúrich. Su mérito consiste en haber creado un perro robótico capaz de sostenerse cuando se le da una patada.

Así enunciada, su virtud parece pueril, pero detrás hay un trabajo de precisión enorme. Los investigadores de la empresa comenzaron por crear todas las posibilidades en un entorno de simulación. Al perro robótico se le sometería a todo tipo de patadas, por el lateral y por detrás, para tumbarlo. También lo harían en varios terrenos.

Mediante una técnica de machine learning (aprendizaje por refuerzo) consiguieron que el robot simulado puliera su equilibrio y su habilidad para sostenerse tras un golpe. El robot trató de mantener el equilibrio una y otra vez, aprendiendo en cada acción.

Aprendizaje por refuerzo

En realidad la técnica empleada por los investigadores en la simulación proviene de la psicología. Cuando una persona hace algo bien, hay que ref orzar positivamente esa acción con un premio. Si lo hace mal se censurará la acción, para evitarla en el futuro. Es un esquema sencillo, que no resulta tan fácil de aplicar. Pero es el que han empleado los investigadores para que la simulación aprendiera a sostenerse.

Considerada ya un área de machine learning, el aprendizaje por refuerzo permite pulir ciertos comportamientos. La ventaja con la que ha contado ANYmal para aprender es el entorno de simulación. La precisión de este software ha permitido que a la hora de trasladar los conocimientos al robot , estos se apliquen bien.

La capacidad de resilencia de un robot es una cuestión importante, en tanto que las máquinas tendrán que estar sujetas a imprevistos. De nuevo la empresa Boston Dynamics, curtida en el desarrollo de humanoides, ya mostró cómo un robot era capaz de aprender a levantarse tras haber caído al suelo.

Imágenes: ANYbotics

La entrada El equilibrio de un robot aparece primero en Blogthinkbig.com.