El robot camina sobre losas de pavimento de concreto. Crédito: Joseph Humphreys, Universidad de Leeds.
Los investigadores han desarrollado un sistema de inteligencia artificial (IA) que permite que un robot de cuatro patas adapte su marcha a un terreno diferente y desconocido, al igual que un animal real, en lo que se cree que es primero un mundo. El trabajo ha sido publicado en Nature Machine Intelligence.
La tecnología pionera permite que el robot cambie la forma en que se mueve de forma autónoma, en lugar de tener que decirle cuándo y cómo alterar su paso como la generación actual de robots. Este avance se ve como un paso importante hacia el uso potencial de robots de piernas en entornos peligrosos donde los humanos podrían estar en riesgo, como el desmantelamiento nuclear o la búsqueda y el rescate, donde la incapacidad de adaptarse a lo desconocido podría costar vidas.
Para el estudiarRealizado por la Universidad de Leeds y University College London (UCL), los investigadores se inspiraron en el reino animal para enseñarle al robot a navegar por el terreno que nunca antes había visto. Esto incluía animales de cuatro patas como perros, gatos y caballos, que son expertos en adaptarse a diferentes paisajes. Estos animales cambian la forma en que se mueven para ahorrar energía, mantener el equilibrio o responder rápidamente a las amenazas.
Los investigadores han creado un marco que puede enseñar a los robots cómo hacer la transición entre trotar, correr, limitar y más, al igual que los mamíferos en la naturaleza.
Cambiar los pasos cuando sea necesario
Al incrustar dentro del sistema de IA, las mismas estrategias usan los animales para navegar por un mundo impredecible, el robot rápidamente aprende a cambiar las marcha sobre la marcha, en respuesta al terreno. Gracias al poder de procesamiento de datos de la IA, el robot, nocado “Clarence”, aprendió las estrategias necesarias en solo nueve horas, considerablemente más rápido que los días o semanas que la mayoría de los animales jóvenes toman para cruzar con confianza diferentes superficies.
En Nature Machine Intelligence Paper, el primer autor Joseph Humphreys, investigador de posgrado en la Escuela de Ingeniería Mecánica de Leeds, explica cómo el marco permite al robot cambiar su paso de acuerdo con su entorno, superando una variedad de terrenos que incluyen madera desigual, chips de madera sueltos y vegetación de cosecha cubierta, sin alteraciones en sí mismo.
El robot adapta la marcha para recuperarse de resbalones y viajes en terreno, incluida la hierba fangosa y una pila de madera suelta. Crédito: Joseph Humphreys, Universidad de Leeds.
Él dijo: “Nuestros hallazgos podrían tener un impacto significativo en el futuro del control de movimiento del robot en las piernas al reducir muchas de las limitaciones anteriores en torno a la adaptabilidad”.
Agregó: “Este marco de aprendizaje de refuerzo profundo enseña estrategias y comportamientos de la marcha inspirados en animales reales, o ‘bio inspirado’, como ahorrar energía, ajustar los movimientos según sea necesario y el recuerdo de la marcha, para lograr un movimiento altamente adaptable y óptimo, incluso en entornos nunca antes encontrados.
“Toda la capacitación ocurre en la simulación. Entrena la política en una computadora, luego la tomas y la pones en el robot y es tan competente como en el entrenamiento. Es similar a la matriz, cuando la habilidad de Neo en artes marciales se descarga en su cerebro, pero no se somete a capacitación física en el mundo real.
“Luego probamos el robot en el mundo real, en las superficies que nunca antes había experimentado, y los navegó con éxito a todos. Fue realmente gratificante verlo adaptarse a todos los desafíos que establecimos y ver cómo el comportamiento animal que habíamos estudiado se había convertido en casi una naturaleza para ello”.
Los agentes de aprendizaje de refuerzo profundo a menudo son buenos para aprender una tarea específica, pero luchan por adaptarse cuando el medio ambiente cambia. Los cerebros de los animales tienen estructuras e información incorporadas que apoyan el aprendizaje. Algunos agentes pueden imitar este tipo de aprendizaje, pero sus sistemas artificiales generalmente no son tan avanzados o complejos. Los investigadores dicen que superaron este desafío al inculcar su sistema con estrategias de movimiento de animales naturales.
Dicen que el suyo es el primer marco para integrar simultáneamente los tres componentes críticos de la locomoción animal en un sistema de aprendizaje de refuerzo, es decir: estrategias de transición de la marcha, memoria de procedimiento de la marcha y ajuste de movimiento adaptativo, que está estableciendo un despliegue del mundo real directamente de la simulación, sin necesidad de un ajuste adicional sobre el robot físico del robot físico
En términos simples, el robot no solo aprende a moverse, sino que aprende cómo decidir qué marcha usar, cuándo cambiar y cómo ajustarlo en tiempo real, incluso en el terreno que nunca antes había encontrado.
Robot aprendiendo a adaptar su marcha al terreno simulado. Se practicó simultáneamente en cientos de entornos simulados. Crédito: Joseph Humphreys, Universidad de Leeds.
El profesor Zhou, autor senior del estudio de la informática de UCL, dijo: “Esta investigación fue impulsada por una pregunta fundamental: ¿qué pasaría si los robots de piernas pudieran moverse instintivamente como lo hacen los animales? En lugar de capacitar a los robots para tareas específicas, queríamos darles la inteligencia estratégica que usan los animales para adaptar sus pasos, lo que usa principios como el equilibrio, la coordinación y la eficiencia energética.
“Al incrustar esos principios en un sistema de IA, hemos permitido a los robots elegir cómo moverse en función de las condiciones en tiempo real, no las reglas preprogramadas. Eso significa que pueden navegar en entornos desconocidos de manera segura y efectiva, incluso aquellas que no han encontrado antes.
“Nuestra visión a largo plazo es desarrollar sistemas de IA incorporados, incluidos los robots humanoides, que se mueven, se adaptan e interactúan con la misma fluidez y resistencia que los animales y los humanos”.
Aplicaciones del mundo real
Los ingenieros imitan cada vez más la naturaleza, conocida como biomimética, para resolver desafíos de movilidad complejos. El equipo dice que su logro marca un gran paso adelante en hacer que los robots de piernas sean más adaptables y capaces de manejar desafíos del mundo real, en entornos peligrosos o donde el acceso es difícil.
Un robot capaz de navegar por el terreno desconocido y complejo abre nuevas posibilidades para que se usen en respuesta a desastres, exploración planetaria, agricultura e inspección de infraestructura.
También sugiere una vía prometedora para integrar la inteligencia biológica en sistemas robóticos y realizar investigaciones más éticas de hipótesis biomecánicas; En lugar de cargar animales con sensores invasivos o ponerlos en peligro para estudiar su respuesta de recuperación de estabilidad, los robots se pueden usar en su lugar.
Al inspirarse en los factores que hacen que el movimiento animal sea efectivo, los investigadores pudieron desarrollar un marco capaz de atravesar terrenos complejos y de alto riesgo a pesar de que el robot no usaba sensores exterroceptivos, por lo que es la vista, el olor y la audición, que ayudan a los humanos en sus movimientos.
Estudio de la marcha: comparando el rendimiento de la política de selección de la marcha del sistema AI con el uso de la marcha individual, para todas las medidas destacadas, en términos de estabilidad y eficiencia. Crédito: Joseph Humphreys, Universidad de Leeds.
Práctica paralela en múltiples terrenos
El uso de un aprendizaje de refuerzo profundo, prueba y error de manera efectiva y error, el robot practicó simultáneamente dentro de cientos de entornos, resolviendo primero el desafío de moverse con diferentes pasos y luego elegir la mejor marcha para el terreno, generando las herramientas para lograr un movimiento altamente adaptable.
Para probar esta adaptabilidad adquirida en el mundo real, el robot se soltó en las superficies de la vida real que incluyen madera, rocas, raíces cubiertas de maleza y madera suelta, además de tener sus piernas atacadas repetidamente por un pincel radiante, probando su capacidad para recuperarse de los viajes. El equipo usó una ruta programada o un joystick, como los utilizados en los videojuegos, para dirigir el robot.
Quizás sorprendentemente, el robot no estuvo expuesto a ningún terreno difícil durante el entrenamiento, destacando la capacidad del sistema para adaptarse y demostrar que estas habilidades se han vuelto instintivas para el robot.
El estudio se centró en habilitar el movimiento cotidiano robusto. En el trabajo futuro, el equipo espera agregar habilidades más dinámicas, como saltos de larga distancia, escalada y navegación de terrenos empinados o verticales.
Aunque hasta ahora el marco solo se ha probado en un solo robot cuadrúpedo del tamaño de un perro, los principios subyacentes son ampliamente aplicables. Las mismas métricas biológicas se pueden usar en una amplia gama de robots de cuatro patas, independientemente de su tamaño o peso, siempre que compartan una morfología similar.
Más información: Aprender a adaptarse a través de estrategias de marcha bioinspiradas para una locomoción cuadrúpeda versátil, Nature Machine Intelligence (2025). Doi: 10.1038/s42256-025-01065-z
Proporcionado por la Universidad de Leeds
Cita: AI Robot inspirado en animales aprende a navegar por terreno desconocido (2025, 11 de julio) Recuperado el 11 de julio de 2025 de https://techxplore.com/news/2025-07- animal-ai—Bobot-unfamiliar-terrain.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
