Imagine quedar inmovilizado en medio de un paisaje arrasado por un terremoto, donde ningún vehículo con ruedas puede llegar. O, en un futuro mucho más lejano, que le ocurra lo mismo a una astronauta sobre un terreno marciano sacudido por un sismo. ¿Quién va a ir a buscarla?
Si depende de un grupo internacional de investigadores encabezado por la Universidad de Tohoku, en Japón, y el Vidyasirimedhi Institute of Science and Technology (VISTEC), de Tailandia, podría ser un insectobot de gran tamaño. Uno que aprendió a caminar sobre distintas superficies copiando, con ayuda de inteligencia artificial, la locomoción de un insecto palo.
"Es notable que unos pocos pasos de un solo insecto palo bastaran para encontrar un principio que funciona en una máquina cinco veces su tamaño", señaló Dai Owaki, profesor asociado de la Universidad de Tohoku.
Por qué el problema seguía abierto
En su artículo en Bioinspiration & Biomimetics, el equipo de Owaki explica que los insectos, pese a tener cerebros y redes nerviosas diminutas comparadas con las humanas, son capaces de movimientos notablemente complejos y de adaptarse sobre la marcha. Hasta ahora, sin embargo, ni los entomólogos ni otros especialistas habían logrado identificar y modelar computacionalmente los principios exactos de la coordinación de patas de un insecto.
El resultado fueron reglas de coordinación, parámetros y funciones de recompensa imperfectos, que restaban flexibilidad y eran tan específicos que impedían trasladar lo aprendido de un tipo de cuerpo robótico a otro.
Del comportamiento del insecto a una locomoción transferible
Owaki describe un punto de partida distinto al de los métodos tradicionales para enseñarle a un robot a moverse.
"Nunca le dijimos al robot cómo caminar. Preguntamos qué estaba intentando lograr el insecto y dejamos que el robot persiguiera lo mismo, enteramente por su cuenta", explicó.
Como buscaban un modelo de enseñanza que no dependiera de entregarle a la IA instrucciones explícitas sobre cómo caminar, recurrieron al aprendizaje por refuerzo inverso adversario: un enfoque imitativo que identifica la recompensa de un apoyo seguro del pie mientras se adapta a condiciones cambiantes e identifica recompensas nuevas.
¿Cuánto tardó en aprender?
Menos de una hora. Al robot hexápodo de entrenamiento le bastó una exposición breve a un insecto palo caminando sobre superficies planas para aprender a desplazarse por terrenos variados. Los investigadores plantean que en el futuro otras criaturas de coordinación fina podrían servir de ejemplo.
Vale la pena detenerse en por qué seis patas y no dos. Un hexápodo mantiene estabilidad estática: puede levantar tres patas alternadas y seguir apoyado sobre un trípode en todo momento, sin el control activo del equilibrio que exige un bípedo. Eso libera al aprendizaje para concentrarse en dónde poner el pie y no en evitar la caída.
Qué falta para llegar a una zona de desastre
Lo más relevante del trabajo no es el insecto, sino la red de recompensa: resultó lo bastante robusta como para servir a robots con cuerpos distintos, sin exigir ajustes finos caso a caso.
Con memoria añadida, sostienen los investigadores en el comunicado de la Universidad de Tohoku, robots que usen este método de aprendizaje podrían algún día ayudar en zonas de catástrofe donde no haya caminos parejos, o donde directamente no haya caminos. Y si pierden alguna extremidad en medio del caos, el mismo sistema podría permitirles seguir caminando.
Chile, que concentra parte de la actividad sísmica más intensa del planeta, es exactamente el escenario que describen los autores: terreno colapsado donde un vehículo con ruedas no entra y donde la máquina que llegue tendrá que improvisar el paso.
