19.5 C
Chihuahua
viernes, septiembre 4, 2026

Un robot de seis patas aprende a caminar de un insecto palo

0
0

Sin más ayuda que sus diminutos y modestos sistemas nerviosos, los insectos logran caminar y correr con sorprendente destreza, una habilidad que si pudiera transferirse fácilmente a robots con patas traería una revolución espectacular en el campo de la robótica.

 

Un equipo internacional de robotistas, dirigido desde la Universidad de Tohoku en Japón y el Instituto Vidyasirimedhi de Ciencia y Tecnología (VISTEC) en Tailandia, entrenó un sistema de inteligencia artificial con el ciclo de marcha de un insecto palo, a fin de que la inteligencia artificial aprendiera de tal insecto la mejor estrategia para caminar sobre diferentes superficies.

 

Esto se implementó con éxito en un robot de seis patas que aprendió a caminar en tan solo una hora.

 

Además, el robot fue plenamente capaz de desplazarse por terrenos irregulares y también logró adaptarse a la ausencia de una extremidad. En zonas de desastre peligrosas donde los robots con ruedas no puedan acceder, robots como estos de seis patas y gran capacidad adaptativa podrían salvar vidas.

 

Los insectos palo, llamados así por su asombroso parecido con una pequeña rama, son un modelo clásico para la investigación de la marcha sobre patas.

 

Al equipo, encabezado por Yuchen Wang de la Universidad de Tohoku, le bastó un conjunto de datos que abarcaba solo varios pasos del insecto. No hizo falta más información para adiestrar a la inteligencia artificial del cerebro del robot.

 

Darle a un robot instrucciones específicas sobre cómo mover cada pata es un proceso de programación lento y aparatoso que debe repetirse para cada nuevo robot. En cambio, el nuevo enfoque elimina ese paso al proporcionarle al robot un animal como modelo para que aprenda.

 

Yuchen Wang y sus colegas exponen los detalles técnicos de su nuevo modo de adiestrar robots con seis patas en la revista académica Bioinspiration & Biomimetics, bajo el título “From Insect Behavior to Transferable Robot Locomotion: Inferring Embodied Locomotor Principles from Limited Data via Adversarial Inverse Reinforcement Learning”.