David Reinerio Yanguas, doctor en Ingeniería Mecánica y Mecatrónica de la Universidad Nacional de Colombia (UNAL), ha logrado, a través de simulaciones avanzadas y aprendizaje por imitación, enseñar a dos robots humanoides a caminar de manera natural y eficiente en un entorno real. ¿Por qué es importante este avance?
Pues bien, poder enseñarle a un robot que camine como lo hacemos nosotros ha sido una de las grandes limitaciones en la programación de estas máquinas. Hoy sus investigaciones apuntan a que los robots humanoides puedan realizar tareas tan complejas como caminar de manera estable, y uno de sus anhelos a futuro es lograr que compitan en deportes como el tenis de mesa, por ejemplo.
¿Cómo la ha hecho?
Según la agencia de noticias UNAL, mediante procesos de simulación, los ingenieros suelen crear modelos virtuales de robots para experimentar en ellos, optimizarlos y evaluar su rendimiento antes de construir un prototipo físico. El problema es que los resultados de una simulación no son idénticos a los de un entorno real.
Su estudio se enfocó en desarrollar algoritmos que les permitieran a los robots aprender de los movimientos humanos y mejorar su desempeño a través de pruebas y errores controlados.
“Tomamos datos de cómo caminamos los humanos y les enseñamos a los robots a imitar esos movimientos. Luego, mediante técnicas de aprendizaje por refuerzos, los robots van mejorando su habilidad para caminar sin caerse”, indica.
Con robots de bajo costos
El ingeniero trabajó con dos robots humanoides de bajo costo: Darwin, un modelo mini de 27 cm propiedad de la UNAL, y Maxe 2, un robot de 40 cm que él utilizó durante su pasantía doctoral en la Universidad de Quebec en Trois-Rivières, Canadá.
Para lograrlo, el investigador tuvo en cuenta el concepto de “grados de libertad”, que describe el número de movimientos independientes que puede realizar una articulación.
Robótica clásica para innovar
El ingeniero utilizó la robótica clásica como punto de partida para aplicar técnicas y principios establecidos en el campo, creando una “plantilla” básica que guiara a los robots en su forma de caminar. Mediante cálculos matemáticos y modelos logró que estos mantuvieran el equilibrio mientras se desplazaban.
En una segunda fase, denominada “aprendizaje por imitación”, empleó datos de captura de movimiento de humanos caminando para enseñarles a los robots a moverse de manera similar. Sin embargo, debido a las diferencias en tamaño y forma entre humanos y robots, estos movimientos se tuvieron que ajustar para evitar caídas.
El siguiente paso fue aplicar el “aprendizaje por refuerzo”, que permitió mejorar las habilidades de los robots a través de la experiencia. Esto quiere decir que como el robot ya tenía una idea básica de cómo caminar, gracias a la imitación, el ingeniero hizo que los robots realizaran pruebas para ajustar y mejorar su técnica de caminar.
“La última parte fue la integración de los pilares para conseguir los mejores resultados; esta fase es especialmente crítica ante la brecha de la realidad, aprendizaje por refuerzo e integración de estos enfoques”, comenta.
“Los robots fueron capaces de caminar cada vez mejor hasta llegar a un comportamiento optimizado, es decir que se movieron rápido, gastando la menor cantidad de energía posible”, detalla el egresado de la UNAL.
Aclara además que los resultados obtenidos en este estudio se podrían emplear para que los robots realicen actividades más complejas, como por ejemplo correr en una pista de obstáculos.
Dejar una contestacion