Atlas, el famoso robot humanoide conocido por sus espectaculares rutinas de parkour y baile, ha dado un paso significativo en su desarrollo. Recientemente, ha comenzado a demostrar capacidades mucho más sutiles pero igualmente impactantes: ha aprendido a caminar y a agarrar objetos utilizando un único modelo de inteligencia artificial. Esta evolución en su programación no solo mejora su funcionalidad, sino que también abre la puerta a un futuro en el que los robots pueden interactuar con su entorno de manera más natural y eficiente.
Un modelo de aprendizaje único
Desarrollado por Boston Dynamics en colaboración con el Toyota Research Institute (TRI), este nuevo modelo de aprendizaje generalista permite a Atlas controlar tanto sus brazos como sus piernas a partir de una variedad de acciones de ejemplo. Tradicionalmente, los robots que tienen la capacidad de aprender suelen depender de múltiples modelos: uno para caminar y saltar, y otro para agarrar objetos. Sin embargo, la innovación radica en que los pies de Atlas actúan como manos adicionales, lo que otorga al robot una mayor versatilidad en sus movimientos.
Russ Tedrake, un destacado robótico del TRI y del MIT, señala: “Los pies son, en cierto sentido, manos adicionales para el modelo. Y funciona, lo cual es simplemente increíble”. Esta afirmación resalta no solo el potencial de Atlas, sino también la dirección en la que se dirige la robótica moderna.
Comportamiento emergente y natural
El modelo utilizado para controlar a Atlas se alimenta de imágenes de sus sensores visuales y datos de propriocepción, que le proporcionan una comprensión continua de su posición y movimiento. Además, se le presentan ejemplos de tareas mediante una mezcla de teleoperación, simulación y videos de demostración. Este enfoque ha dado como resultado un modelo de comportamiento amplio que permite al robot interactuar con su entorno de manera más intuitiva. Por ejemplo, al recoger objetos de un contenedor, Atlas ajusta su postura para equilibrarse, imitando el comportamiento humano.
Una de las características más emocionantes de este avance es la aparición de habilidades emergentes. Cuando el robot deja caer un objeto, demuestra una nueva habilidad de “recuperación”, inclinándose para recogerlo. Este tipo de comportamiento, que recuerda a las sorpresas que a veces se observan en los modelos de lenguaje, sugiere que el aprendizaje robótico podría estar en un punto de inflexión similar.
El futuro de la robótica
Con el progreso en la robótica, la evaluación de los avances se ha vuelto más compleja. Aunque existen numerosos videos que muestran robots humanoides realizando tareas complejas, como cargar refrigeradores o sacar la basura, a menudo estos clips pueden ser engañosos. Muchos de estos robots están teleoperados, programados cuidadosamente de antemano o entrenados para realizar una sola tarea en condiciones controladas. Sin embargo, el trabajo de Atlas indica que los robots están comenzando a experimentar avances que podrían compararse con los modelos de lenguaje que han dado pie a innovaciones en inteligencia artificial generativa.
Ken Goldberg, un robótico de UC Berkeley, comenta: “Es definitivamente un paso adelante. La coordinación de piernas y brazos es un gran avance”. No obstante, advierte que debemos tener cuidado al interpretar el comportamiento emergente de los robots. Aunque pueden parecer novedosos, estos comportamientos a menudo se basan en ejemplos presentes en sus datos de entrenamiento. La transparencia sobre cómo se desarrollan estas habilidades será crucial para entender su verdadero potencial.
En resumen, el trabajo realizado con Atlas es una clara señal de que la robótica está avanzando hacia un futuro en el que los robots podrán operar en entornos complejos con facilidad, aprendiendo nuevas habilidades de manera rápida y eficiente. Tedrake concluye: “Creo que necesitamos poner estos robots en el mundo y comenzar a hacer trabajo real”.
