Un grupo de investigadores desarrolló un enfoque basado en aprendizaje que permite a los robots de cuatro patas atravesar aberturas estrechas a gran velocidad. El sistema está pensado para que los cuadrúpedos ejecuten movimientos ágiles que resultan difíciles de lograr con métodos de control convencionales.
Inspirado en la forma en que los perros corren hacia un obstáculo y saltan a través de espacios angostos, el método deja que el robot decida cuándo saltar y ajuste su movimiento en consecuencia. Los investigadores demostraron el sistema sobre un robot cuadrúpedo, mostrando cómo el control basado en aprendizaje puede ayudar a las máquinas a navegar espacios confinados de manera más rápida y autónoma.
¿Cómo aprende el robot a saltar?
El sistema permite que el cuadrúpedo evalúe un obstáculo, seleccione el movimiento apropiado y salte de forma dinámica a través de él, sin depender de una secuencia de salto preprogramada. La tecnología se demostró sobre un robot Unitree Aliengo de 48 libras (22 kilos), que atravesó de manera autónoma portales de tamaño comparable al de su propio cuerpo.
En el núcleo del sistema, desarrollado por investigadores de la Universidad de Hong Kong y del Oxford Robotics Institute, hay un marco de aprendizaje por refuerzo jerárquico llamado ConsJump. En vez de enseñarle al robot cada movimiento desde cero, los investigadores dividieron el control en dos niveles.
| Nivel | Qué hace | Cómo se entrenó |
|---|---|---|
| Controlador de bajo nivel | Entrega una biblioteca de movimientos ágiles: paso lateral, medio galope, salto y giro | Aprendizaje por imitación de patrones de movimiento animal, adaptados por cinemática inversa |
| Controlador de alto nivel | Decide qué movimiento usar y cuándo cambiar de uno a otro | Recibe información del entorno y emite comandos de velocidad y de giro |
El controlador de bajo nivel se entrenó reproduciendo patrones de movimiento de estilo animal, adaptados a la estructura física del robot mediante cinemática inversa, lo que permitió al sistema aprender a coordinar sus articulaciones manteniendo un estilo de movimiento natural. Los movimientos de salto recibieron mayor énfasis durante el entrenamiento, para ayudar al robot a dominar las maniobras aéreas más exigentes.
El controlador de alto nivel funciona más bien como un tomador de decisiones. Recibe información sobre el entorno y determina qué movimiento debe usarse y cuándo el robot debe pasar de uno a otro. En lugar de controlar directamente las articulaciones individuales, genera comandos de velocidad de avance y de giro que se entregan al sistema de locomoción de bajo nivel. Eso permite al robot combinar de forma continua distintos movimientos aprendidos, en vez de cambiar bruscamente entre secuencias fijas.
¿Cómo ve el hueco por el que va a saltar?
La visión es otra parte clave de la tecnología. El robot usa una cámara RGB-D Intel D435i montada a bordo para identificar el portal y determinar su tamaño y posición. El sistema de percepción procesa información de color y de profundidad para detectar la abertura rectangular, calcular su centro y estimar su geometría. Ese dato alimenta al controlador de alto nivel, que usa el propio estado del robot y la posición del portal para definir cómo debe encarar el obstáculo.
Según el equipo, eso permite al robot tomar decisiones de manera dinámica en lugar de seguir una trayectoria fija. A medida que se acerca a un portal, el robot puede pasar de una marcha de ritmo más lento a un salto en carrera de alta velocidad.
Durante las pruebas aceleró hasta 2,5 metros por segundo, unos 9 kilómetros por hora, antes de desacelerar rápidamente para preparar el aterrizaje. El sistema también coordina las articulaciones del robot durante el vuelo, lo que permite a sus patas esquivar los bordes de la abertura. La fase aérea duró alrededor de 0,44 segundos.
¿Cómo se pasó de la simulación al robot real?
Los investigadores entrenaron el controlador de bajo nivel en simulación con 5.480 agentes corriendo en paralelo, y luego transfirieron el comportamiento aprendido al robot físico. Para mejorar ese traspaso de la simulación a la realidad, el entrenamiento varió factores como la fuerza de los motores, la latencia, los desfases y la masa agregada. Sobre el Aliengo físico, los controladores corrieron en un computador a bordo, mientras que el sistema de percepción procesó los datos de la cámara por separado.
El enfoque también permite al robot lidiar con condiciones cambiantes. Las pruebas mostraron que podía adaptarse a distintas posiciones del portal y a terreno irregular, incluidas situaciones donde sus patas resbalaban antes del despegue. Como la política de movimiento de bajo nivel permanece fija mientras el controlador de alto nivel selecciona cómo se usan esas habilidades, los investigadores sostienen que la misma arquitectura puede adaptarse a otras tareas robóticas exigentes sin reentrenar el sistema completo de locomoción.
El resultado es un cuadrúpedo que combina movimiento inspirado en animales, visión artificial e inteligencia artificial jerárquica, y que acerca a los robots a la agilidad rápida y coordinada que permite a animales como los perros desplazarse por entornos difíciles.
