Robot Modular con IA se Adapta a Daños

Robot Modular con Controlador de IA que se Adapta al Daño en Tiempo Real

Investigadores de la Northwestern University han desarrollado un robot modular que utiliza IA para generar estrategias de locomoción. Cada módulo es un nodo autónomo con batería, motor, placa de procesamiento, sensores propioceptivos y vestibulares. Los enlaces rotan 360° alrededor del eje, permitiendo acciones básicas: saltos, giros, rodadas. La estructura se conecta en 18 puntos con rotaciones de 120°, formando 435 configuraciones de dos módulos. Las estaciones de acoplamiento basadas en pernos resisten cargas dinámicas.

El sistema se basa únicamente en sensores internos, sin datos externos de captura de movimiento. La IA entrena el controlador en simulaciones que imitan la evolución para optimizar trayectorias.

Cómo Funciona un Solo Módulo

Una sola unidad demuestra maniobras clave con un grado de libertad:

• Saltos (F–I): La rotación del enlace genera impulso para el despegue.
• Giros en el sitio (J–M): La estrategia es robusta ante inversiones y mantiene la dirección de rotación.
• Rodadas (N–P): Resiste empujones hacia atrás con recuperación rápida.

Los módulos intercambian datos para coordinarse en ensamblajes. En caso de daño o desconexión, los nodos restantes reestructuran los movimientos: saltos, gateo, locomoción ondulante para llegar al objetivo.

Entrenamiento de IA Basado en Políticas de Expertos

El equipo aplicó un modelo autorregresivo, similar a los LLM, para sintetizar datos sensoriomotores. Se entrenan controladores expertos para escenarios:

• Robot sin daños (A, F).
• Pérdida de una extremidad (B, D).
• Pérdida de dos extremidades (C).
• Pérdida de las cuatro (E).

El modelo predice acciones a partir del historial de sensores, formando una política independiente de amputaciones. Las pruebas mostraron superioridad sobre controladores base bajo daño:

• Eliminación de una extremidad trasera: + desplazamiento.
• Eliminación de ambas extremidades traseras: + desplazamiento.
• Quedando un solo módulo: + desplazamiento.

Para robots sin daños, el rendimiento coincide con el nivel experto.

Demostraciones de Configuraciones Multi-Módulo

Un ensamblaje de cinco módulos domina acrobacias:

• Saltos con giro de 66° en el aire (B–F).
• Enderezado propio desde posición invertida (G–L): doblado y torsión para recuperar la pose.

Todas las configuraciones son entrenables para estas acciones. El robot ignora daños imprevistos, enfocándose puramente en ir del punto A al B.

Puntos clave:

• La modularidad asegura tolerancia a fallos: cortarlo por la mitad no detiene el movimiento.
• El controlador de IA usa solo datos propioceptivos/vestibulares.
• El entrenamiento autorregresivo sintetiza políticas para cualquier daño.
• 435 variantes de dos módulos + ensamblajes multi-módulo.
• Los benchmarks confirman ganancias de eficiencia con amputaciones.

Perspectivas para Aplicaciones en Robótica

El enfoque escala a tareas del mundo real: operaciones de búsqueda y rescate, rovers planetarios. La falta de dependencia de la morfología simplifica el despliegue en entornos desconocidos. Para desarrolladores intermedios/seniors, la clave es el aprendizaje por transferencia de políticas expertas a modelos generativos sin captura de movimiento. La implementación requiere simuladores con física de bisagras y conexiones de alta carga.

— Editorial Team