Un innovador método de entrenamiento permitió al humanoide aprender movimientos complejos basándose en videos de atletas y ajustándose a la física del mundo real
Un robot humanoide entrenado con un nuevo sistema de inteligencia artificial logró replicar movimientos icónicos de deportistas como Cristiano Ronaldo, LeBron James y Kobe Bryant.
El modelo, desarrollado por la Universidad Carnegie Mellon y la empresa NVIDIA, mejora la agilidad y coordinación de los robots con un enfoque innovador de aprendizaje.
Los detalles de la investigación fueron publicados en arXiv, marcando un nuevo hito en la evolución de los robots humanoides y su capacidad para moverse con una destreza sin precedentes.
Los investigadores trabajaron durante años para dotar a los robots humanoides de una movilidad más fluida. Sin embargo, la mayoría de los avances se concentraron en la locomoción, permitiendo que estos dispositivos caminen o corran con mayor eficiencia, pero sin la expresividad y destreza del movimiento humano completo.
Aunque algunos estudios recientes exploraron la movilidad de la parte superior del cuerpo, conseguir que un robot ejecute movimientos atléticos sigue siendo un desafío.
El modelo ASAP: una nueva estrategia de entrenamiento
Con ese reto en mente, investigadores de la Universidad Carnegie Mellon y la empresa NVIDIA desarrollaron el modelo Aligning Simulation and Real Physics (ASAP), un sistema de entrenamiento en dos etapas que permite a los robots humanoides ejecutar movimientos coordinados de cuerpo entero.
En la primera etapa, el modelo analiza videos de movimientos humanos, procesando patrones biomecánicos y adaptándolos a la estructura robótica, explicó el medio sobre tecnología Tech Xplore.
Luego, en la segunda etapa, el robot recopila datos en el mundo real, ajustando las diferencias entre la simulación y la física real. Esto reduce errores de seguimiento y mejora la precisión de sus movimientos.
Robots que imitan a los mejores atletas
Para demostrar la efectividad del sistema, los investigadores programaron un robot humanoide para realizar movimientos emblemáticos de deportistas de élite.
Durante las pruebas, el robot replicó el famoso salto con giro en el aire del futbolista Cristiano Ronaldo, que suele acompañar del grito “SIUUU”. Esta maniobra que exige un alto nivel de coordinación y equilibrio.
También logró ejecutar el icónico “Silencer” de LeBron James, en el que el jugador se equilibra sobre una pierna después de encestar, y el característico tiro con salto de Kobe Bryant, que combina precisión y elevación.
Además de estos movimientos deportivos y otros más sencillos como sentadillas, el robot consiguió realizar saltos de más de un metro. Esto es un logro significativo en comparación con modelos anteriores de robótica humanoide.
El modelo de acción delta: clave en la precisión
El éxito de este modelo radica en la integración del modelo de acción delta, una tecnología que permite compensar las diferencias entre la física simulada y la física real.
Gracias a este mecanismo de corrección, el equipo de investigación logró reducir los errores de seguimiento en un 52,7%, lo que se traduce en movimientos más fluidos y naturales, según el medio de ciencia Interesting Engineering.
Aunque el robot humanoide aún presenta ciertas limitaciones debido a su hardware y la menor cantidad de articulaciones en comparación con un ser humano, su agilidad representa un avance significativo en el desarrollo de la robótica atlética.
Este tipo de innovaciones abre nuevas posibilidades para la aplicación de robots humanoides en múltiples sectores, desde la asistencia en tareas físicas hasta el entretenimiento y la robótica deportiva.
“Los robots humanoides tienen el potencial de una versatilidad sin igual para realizar habilidades de cuerpo completo similares a las de los humanos. Sin embargo, lograr movimientos de cuerpo completo ágiles y coordinados sigue siendo un desafío importante debido al desajuste dinámico entre la simulación y el mundo real”, explicaron los autores del estudio según Interesting Engineering.
Los investigadores ya están explorando formas de mejorar la seguridad y adaptabilidad de estos sistemas, incluyendo el uso de cámaras y sensores avanzados en lugar de los tradicionales sistemas de captura de movimiento.