Una nueva tecnología robótica permite a las máquinas pelar, cortar y manipular objetos irregulares

Los robots humanoides han avanzado tanto en los últimos meses que ya son más rápidos que los atletas más veloces. Hace unos días, la propuesta de HONOR completó la media maratón de Pekín de 21 kilómetros en solo 50 minutos y 26 segundos. Jacob Kiplimo, que es el poseedor del récord humano mundial, recorrió la misma distancia en unos 57 minutos en la carrera de ruta de Lisboa. Esto es sorprendente porque el año pasado, el robot ganador terminó la competición en 2 horas y 40 minutos.

También pueden ejecutar a la perfección los movimientos de artes marciales más complicados. El G1 de Unitree Robotics ocupó los titulares de medios de comunicación internacionales y las redes sociales recientemente al exhibir sus habilidades con el Kung Fu frente a uno de los mayores templos de Pekín, así como en la Gala de Primavera de China, donde compartió escenario con artistas humanos. Por no hablar de lo bien que juegan al fútbol.

Sin embargo, en algo que todavía «fallan» es en su destreza con las manos. Si bien hay manos robóticas que poco tienen que envidiar a las humanas, la mayoría de máquinas no tiene las falanges distales demasiado desarrolladas. Por eso muchos investigadores están destinando su tiempo a mejorarlas con sistemas innovadores. Una nueva tecnología permite a las máquinas pelar, cortar y manipular objetos de formas irregulares con facilidad.

Gracias al nuevo marco, los robots pueden manipular objetos desconocidos

Investigadores del Instituto Federal Suizo de Tecnología de Lausana (EPFL, por sus siglas en inglés) y del Instituto de Investigación Idiap han presentado un nuevo método que permite a los robots manipular objetos irregulares y curvos con una precisión mucho mayor. El sistema genera un mapa de nube de puntos de un objeto e identifica puntos de referencia clave en la superficie, creando una representación fluida y adaptada a la tarea, independientemente de la forma o el tamaño.

Según el equipo, el método permite a los robots transferir habilidades a diferentes objetos, desde plátanos hasta batatas. Durante las pruebas, los robots realizaron con éxito tareas que implican mucho contacto, como pelar, cortar y sondear superficies. El método demostró ser resistente y funcionar incluso con datos de sensores parciales o con ruido y en entornos desordenados, lo que supone un paso adelante en la manipulación robótica adaptable y aplicada en el mundo real.

Las nuevas técnicas geométricas ofrecen una alternativa prometedora a los enfoques basados exclusivamente en el aprendizaje. Al aprovechar la geometría diferencial discreta, estos métodos permiten la transferencia de tareas entre superficies. Las técnicas de mapeo funcional pueden relacionar formas similares, pero se limitan a movimientos de bucle abierto en mallas limpias.

Para superar las limitaciones, los investigadores propusieron construir un campo continuo de marcos de referencia locales guiados por la geometría de la superficie y puntos clave. Estos campos de orientación actúan como una estructura fluida para la interacción, permitiendo que las tareas se expresen como acciones simples e invariantes a la forma.

Gracias a este marco, los robots pueden manipular objetos desconocidos generando un campo de orientación a partir de datos de visión y profundidad en tiempo real, al tiempo que reutiliza acciones sencillas e independientes de la forma. Los resultados experimentales demuestran la transferencia fiable de tareas de manipulación entre objetos con formas diferentes. Se realizaron pruebas en 50 objetos deformados aleatoriamente, lo que demostró que el enfoque tenga una menor variación que los métodos convencionales.