Desde extremidades biónicas hasta androides inteligentes, las entidades robóticas de la ciencia ficción desdibujan los límites entre la biología y la máquina. Los robots de la vida real están muy por detrás en comparación. Si bien no vamos a alcanzar el nivel de Star Trek Data en el corto plazo, ahora hay una mano robótica con un sentido del tacto que es casi humano.
Una cosa que los robots no han podido lograr es un nivel de sensibilidad y destreza lo suficientemente alto como para sentir y manejar las cosas como lo hacen los humanos. Introduzca una mano robótica desarrollada por un equipo de investigadores de la Universidad de Columbia. (Hace cinco años, cubrimos su trabajo cuando este logro todavía era un concepto).
Esta mano no solo levanta cosas y las deja cuando se le ordena. Es tan sensible que en realidad puede «sentir» lo que está tocando, y es lo suficientemente diestro como para cambiar fácilmente la posición de sus dedos para que pueda sostener mejor los objetos, una maniobra conocida como «marcha con los dedos». Es tan sensible que incluso puede hacer todo esto en la oscuridad, descubriendo todo al tacto.
Navegando por el espacio de estados
“[This is] un método novedoso para lograr una manipulación diestra de objetos complejos, al tiempo que asegura el objeto sin el uso de superficies de soporte pasivas”, dijeron los investigadores en un estudio publicado recientemente en el servidor de preimpresión arXiv.
Para crear esta mano, el equipo de Columbia necesitaba encontrar la forma más efectiva de navegar a través de lo que se llama una estructura espacial estatal. Cada posible configuración conocida de un sistema se llama su espacio de estado. La estructura del espacio de estado describe cómo se supone que un robot debe moverse de un paso al siguiente dentro de ese espacio de estado. Existen diferentes métodos de aprendizaje automático que pueden entrenarlo para hacer esto.
Una forma común de entrenar a un robot se conoce como aprendizaje por refuerzo (RL). Esto se puede considerar como el enfoque de «buen bot» versus «malo bot». El software de control del robot es «recompensado» por lograr lo que se supone que debe hacer y «castigado» por cualquier cosa que haga incorrectamente. Aprende a través de prueba y error hasta que puede reconocer cómo se supone que debe comportarse. Desafortunadamente, RL tiene sus inconvenientes, ya que la más mínima desviación del estado esperado puede hacer que el robot deje caer un objeto.
Entonces, el equipo también usó algoritmos de planificación basada en muestreo (SBP) para darle al robot un mejor control (juego de palabras) en su estructura de espacio de estado. SPB no necesita repasar todos los conjuntos de movimientos posibles para atravesar un espacio de estado; en cambio, muestrea aleatoriamente diferentes trayectorias. Cada maniobra exitosa que un robot intenta con SBP se almacena como una nueva rama agregada a un árbol digital, al que la IA puede recurrir más tarde cuando busca una forma de resolver un problema. SBP todavía tiene sus problemas: solo puede confiar en lo que ha hecho antes, y los obstáculos inesperados que se encuentran en un espacio estatal pueden ser un problema.
“[We used] la fuerza de los métodos RL y SBP para entrenar las políticas de control motor para la manipulación manual con la marcha de los dedos”, dijeron los investigadores. “Nuestro objetivo es manipular objetos más difíciles, incluidas las formas cóncavas, mientras los aseguramos en todo momento sin depender de las superficies de apoyo”.
Llegando a sus sentidos
Para una IA, crear un conjunto de instrucciones es la parte fácil. Puede decirle al robot qué hacer, pero la mayoría de los robots no pueden proporcionar mucha información. La nueva mano robótica va más allá con dedos que pueden sentir exactamente lo que tocan y detectar el movimiento y la ubicación de un objeto. Para hacer esto, necesitaba otro algoritmo, el árbol aleatorio de exploración rápida (RRT). Este algoritmo está detrás de la capacidad de la mano para manejar objetos más difíciles. RRT encuentra la rama del árbol que es el camino más corto a través del espacio de estado al estado que representa una tarea completada.
Esta combinación de algoritmos terminó haciendo que esta mano robótica fuera diferente a cualquier otra. Los investigadores le enseñaron a mantener al menos tres dedos en contacto con el objeto y equilibrar la fuerza utilizada por cada dedo en caso de que un objeto comenzara a resbalar o si su forma requiriera diferentes cantidades de presión para mantener el agarre. El control de circuito cerrado también se usó para entrenar aún más la mano dándole retroalimentación en varios puntos a lo largo del proceso.
Esta mano robótica es tan diestra en la oscuridad como lo es cuando puede «ver» su entorno, al igual que una mano humana cuando trata de palpar algo. Esta es la detección propioceptiva, de la que muchos organismos son capaces. Debido a que la mano puede tener un sentido del tacto tan asombroso, podría usarse potencialmente como una forma de asistencia más avanzada para las personas que necesitan ayuda con ciertas tareas.
Todavía estamos lejos de los androides como Data, que pueden detectar cualquier cosa. Pero al menos ahora tenemos una mano robótica que es lo suficientemente diestra y sensible como para mantenerse literalmente en contacto.
Elizabeth Rayne es una criatura que escribe. Su trabajo ha aparecido en SYFY WIRE, Space.com, Live Science, Grunge, Den of Geek y Forbidden Futures. Cuando no está escribiendo, cambia de forma, dibuja o se disfraza como un personaje del que nadie ha oído hablar. Síguela en Twitter @quothravenrayne.