Los modelos de mundo (world models) son la dirección más ambiciosa del aprendizaje robótico actual: un modelo general de la realidad física que permite a un robot predecir las consecuencias de sus acciones, planificar a largo plazo y generalizar a situaciones que nunca vio en su entrenamiento. Pero según un análisis firmado por Heba Khamis, cofundadora y CEO de la empresa australiana Contactile, a estos modelos les falta un dato esencial para funcionar en el mundo real.
El problema del acondicionamiento: falta el tacto
Antes de predecir algo útil, un modelo de mundo debe acondicionarse con el estado físico actual del robot. Hoy ese acondicionamiento se apoya sobre todo en dos entradas: las imágenes de las cámaras y la posición del efector final a partir de los encoders de las articulaciones. Para movimientos en el aire suele bastar. Para la manipulación con contacto, no.
En el instante en que el robot toca un objeto, lo que más importa (lo que ocurre en la interfaz entre la yema del dedo y la superficie) es invisible para una cámara e imposible de deducir solo por la posición de las articulaciones. En muchos sistemas, el contacto ni siquiera se mide con sensores dedicados: se infiere de las corrientes de los motores, una señal indirecta que refleja la carga mecánica gruesa, no la física real en la punta del dedo.
¿Qué es μ y por qué importa?
La cantidad ausente es μ, el coeficiente de fricción estática. Es el parámetro que determina si un objeto agarrado se mantiene sujeto y si la fuerza de agarre alcanza, dada la superficie, la carga y la geometría del contacto. Varía según el material, el estado de la superficie, la temperatura y la contaminación, y no puede verse con una cámara ni reconstruirse a partir de un mapa de presión.
Sin μ en la señal de acondicionamiento, sostiene Khamis, el modelo trabaja con una descripción incompleta de la realidad: aprende asociaciones estadísticas entre patrones de contacto y resultados, pero no generaliza a superficies nuevas u objetos desconocidos. Condicionar el modelo con μ lo acerca a una comprensión causal de la física, en vez de un simple reconocimiento de patrones.
La propuesta de Contactile: VμA
El módulo PapillArray Tactile Compute Module de Contactile calcula en el propio sensor, en tiempo real, el conjunto de magnitudes físicas necesarias para un acondicionamiento completo del contacto:
- Vector de fuerza 3D en cada taxel del arreglo
- Fuerza y torque 3D globales para toda la zona de contacto
- El coeficiente de fricción estática μ, derivado de la distribución de fuerzas en vivo
- Estado de contacto por taxel: sin contacto, contacto estático o deslizamiento
- Una fuerza de agarre objetivo, el mínimo necesario para evitar el resbalón según el μ actual
Sobre esa base, la autora propone el nombre VμA (visión-μ-acción), en la línea de los modelos VLA (visión-lenguaje-acción) y VFA (visión-fuerza-acción). La idea: un modelo que ingiere fuerza 3D por taxel, torque global, μ en tiempo real y estado de deslizamiento junto con las observaciones visuales, y produce acciones motoras condicionadas por el estado físico completo de cada contacto.
Cerrar la brecha entre simulación y realidad
El argumento más concreto apunta al problema sim-to-real. Los robots entrenados en simulación se topan con superficies reales de fricción impredecible y fallan de formas para las que su entrenamiento no los preparó. La solución habitual, la aleatorización de dominio (variar mucho los parámetros de fricción simulados y esperar que la realidad caiga dentro), es apenas una aproximación.
Un robot con VμA no necesita adivinar: mide μ mientras ejecuta y adapta la fuerza de agarre a la superficie real. Uno que manipula un componente seco por la mañana y otro húmedo tras un ciclo de limpieza no requiere recalibración; detecta el cambio de μ y se ajusta. Contactile plantea que el techo de la manipulación robótica no es un problema de tamaño del modelo, sino de acondicionamiento: sin el dato físico correcto, ningún modelo, por grande que sea, cierra la brecha.
El texto es la visión de Contactile, empresa con sede en Sídney enfocada en dotar a los robots de inteligencia táctil, y cuyo PapillArray es hoy el único sensor que calcula todas estas magnitudes en el borde.
