Llegan los robots que aprenden a moverse observándose a sí mismos
Los robots ahora pueden aprender a comprender y adaptar su propio cuerpo observando sus movimientos con una cámara. Este avance en autoconciencia cinemática marca un hito en la robótica, ya que les permite adaptarse a daños y averías y aprender sin programación humana.
Por Enrique Coperías
Un robot observa su reflejo en un espejo, aprendiendo su propia morfología y cinemática para la autosimulación autónoma. El proceso destaca la intersección del aprendizaje basado en la visión y la robótica, donde el robot refina sus movimientos y predice su movimiento espacial a través de la autoobservación. Cortesía: Jane Nisselson / Columbia Engineering
Observando sus propios movimientos con una cámara, los robots pueden aprender de forma autónoma la estructura de su cuerpo y cómo se desplazan, según revela un nuevo estudio realizado por investigadores de la Columbia Engineering, en Estados Unidos.
Gracias a este avance en robótic, los robots no solo serían capaces de planificar sus propias acciones, sino también de superar los daños que puedan sufrir en su estructura física.
«Al igual que los seres humanos aprenden a bailar observando su reflejo en el espejo, ahora los robots utilizan el vídeo en bruto para crear autoconciencia cinemática», explica Yuhang Hu, autor principal del estudio y estudiante de doctorado en el Laboratorio de Máquinas Creativas de la Universidad de Columbia, que está dirigido por Hod Lipson, catedrático de Innovación y director del Departamento de Ingeniería Mecánica. Y añade—: Nuestro objetivo es desarrollar un robot que entienda su propio cuerpo, se adapte a los daños y aprenda nuevas habilidades sin necesidad de programación humana constante».
Del simulador a la realidad
Actualmente, la mayoría de los robots aprenden a moverse en ejercicios de simulaciones. Una vez que un robot logra desplazarse en estos entornos virtuales, se le introduce en el mundo físico, donde continúa su aprendizaje. «Cuanto más realista y preciso sea el simulador, más fácil será para el robot realizar el salto de la simulación a la realidad», comenta Lipson.
No obstante, crear un simulador de calidad es un proceso complejo que generalmente requiere ingenieros cualificados. Los investigadores enseñaron a un robot a crear un simulador de sí mismo simplemente observando su propio movimiento mediante una cámara.
«Esta capacidad no sólo reduce el esfuerzo de ingeniería, sino que también permite que la simulación evolucione junto con el robot a medida que experimenta desgaste, daños y adaptación», añade Lipson en un comunicado de la Columbia Engineering.
Con la ayuda de la IA
En este nuevo estudio, los investigadores desarrollaron un método para que los robots modelen de forma autónoma sus propias formas tridimensionales utilizando únicamente una cámara 2D estándar. Este avance fue posible gracias a tres sistemas de inteligencia artificial (IA) que imitan al cerebro humano, conocidos como redes neuronales profundas.
Estas redes infieren el movimiento 3D a partir de vídeos 2D, lo que permite al robot comprender y adaptar sus propios movimientos. Además, el nuevo sistema podía identificar alteraciones en el cuerpo del robot, como la flexión de un brazo, y ayudarle a ajustar sus movimientos para recuperarse de estos daños simulados.
Esta adaptabilidad tiene un gran potencial en diversas aplicaciones del mundo real. “Imagina, por ejemplo, un robot aspirador o un asistente personal que detecta que su brazo está doblado tras chocar con los muebles", comenta Hu. Y añade—: En lugar de averiarse o requerir reparación, se observa a sí mismo, ajusta su movimiento y sigue funcionando. Esto haría que los robots domésticos fueran mucho más confiables, sin necesidad de reprogramación constante».
Robots más autosuficientes
Otro escenario sería un brazo robótico que se desalinea en una fábrica de automóviles. «En lugar de detener la producción, podría autoobservarse, ajustar sus movimientos y volver a ajustarse, lo que reduciría el tiempo de inactividad y los costes —dice Hu. Y continúa: Esta capacidad de adaptación podría hacer que la fabricación fuera mucho más resistente».
A medida que delegamos más funciones críticas a los robots, desde la fabricación hasta la atención médica, necesitamos que estos sean más autosuficientes. «Los seres humanos no podemos permitirnos cuidar constantemente de estos robots, reparar piezas rotas y ajustar su rendimiento. Los robots deben aprender a cuidarse por sí mismos si queremos que sean realmente útiles —enfatiza Lipson. Y añade—: Por eso es tan importante el automodelado».
La capacidad demostrada en este estudio es el último avance en una serie de proyectos que el equipo de Columbia ha dado a conocer en las últimas dos décadas, en los que los robots aprenden a ser más eficaces en el automodelado mediante cámaras y otros sensores.
Al observar sus propios movimientos con una cámara, los robots pueden aprender por sí mismos sobre la estructura de sus propios cuerpos y cómo se mueven. Cortesía: Columbia Engineering
Llega la autoconciencia cinemática
En 2006, los robots del equipo solo podían crear simulaciones simples de sí mismos basadas en observaciones. Hace aproximadamente una década, los robots comenzaron a crear modelos de mayor fidelidad utilizando múltiples cámaras.
En el estudio actual, el robot fue capaz de generar un modelo cinemático completo de sí mismo a partir de un breve videoclip capturado por una sola cámara estándar, como si se mirara al espejo. Los investigadores denominan a esta nueva capacidad como autoconciencia cinemática.
«Los humanos somos intuitivamente conscientes de nuestro cuerpo; podemos visualizar el futuro y anticipar las consecuencias de nuestras acciones mucho antes de realizarlas en la realidad —explica Lipson. Y concluye—: En última instancia, queremos dotar a los robots de una capacidad similar para imaginarse a sí mismos, porque una vez que un robot puede proyectarse en el futuro, no hay límite para lo que puede lograr». ▪️
Información facilitada por la Columbia Engineering
Fuente: Hu, Y., Lin, J. & Lipson, H. Teaching robots to build simulations of themselves. Nature Machine Intelligence (2025). DOI: https://doi.org/10.1038/s42256-025-01006-w
