Los investigadores del Instituto Tecnológico de Massachussets (MIT) trabajan en un curioso experimento para desarrollar robots blandos y reconfigurables. Esto significa que un robot podría cambiar su forma sin problema para pasar a cumplir diferentes funciones como pasar por espacios estrechos o introducirse en el cuerpo humano, pero también podría colaborar en materia de atención médica, en dispositivos portátiles y en sistemas industriales.
El equipo del MIT busca la manera de controlar un robot blando el cual no tiene articulaciones, extremidades o dedos y que, en cambio, pueda alterar drásticamente toda su morfología. Para esto, desarrollaron un algoritmo de control con la capacidad de aprender de forma autónoma cómo mover, estirar y dar forma a un robot reconfigurable para así completar una tarea específica. Por otro lado, el equipo construyo un simulador para probar los algoritmos de control para robots blandos para realizar una serie de tareas desafiantes que les exija cambiar de forma.
Frente a los personajes de ciencia ficción los cuales uno puede imaginar al mencionarle robots que se deforman, el estudiante de posgrado en ingeniería eléctrica e informática (EECS) y coautor de un artículo sobre este enfoque, Boyuan Chen dijo que "cuando la gente piensa en robots blandos, tiende a pensar en robots que son elásticos, pero que vuelven a su forma original. Nuestro robot es como un limo y, de hecho, puede cambiar su morfología. Es muy sorprendente que nuestro método haya funcionado tan bien porque estamos ante algo muy nuevo".
Aprendizaje por esfuerzo
Generalmente, los robots adquieren un aprendizaje, conocido como aprendizaje por esfuerzo, el cual les permite completar tareas. Este método resulta eficaz cuando el robot tiene partes móviles conscientes y están bien definidas. Sin embargo, los robots que cambian de forma, los cuales podrían aplastar, doblar o alargar todo su cuerpo, requiere de un procedimiento distinto.
"Un robot de este tipo podría tener miles de pequeños trozos de músculo que controlar, por lo que es muy difícil aprenderlo de forma tradicional", asegura Chen.
Para resolver este problema, los investigadores plantearon que, en lugar de mover cada músculo, el algoritmo de aprendizaje por refuerzo del robot comience aprendiendo a controlar grupos de músculos adyacentes los cuales trabajan juntos. Una vez que el algoritmo es consciente de la cantidad de movimientos posibles, profundiza el plan de acción aprendido.
"De grueso a fino significa que cuando se realiza una acción aleatoria, es probable que esa acción aleatoria marque la diferencia. El cambio en el resultado probablemente sea muy significativo porque controlas de forma aproximada varios músculos al mismo tiempo", afirma el profesor asistente en el MIT y autor principal, Vincent Sitzmann.
Su aprendizaje consiste en utilizar imágenes del entorno del robot para generar un espacio de acción 2D, que incluye al robot y el área que lo rodea. De esta forma, el algoritmo del robot hace movimientos teniendo en cuenta el espacio de acción el cual está cubierto por puntos, como píxeles de la imagen, y superpuestos con una cuadrícula. A pesar de que la investigación aun no está concluida, Chen y sus colaboradores esperan no solo progresar en el proyecto sino también inspirar a otros científicos a trabajar en robots blandos reconfigurables. (Notipress)
.gif)