La primera semana de julio de 2025 ha sido testigo de un avance significativo en inteligencia artificial y robótica, ya que los investigadores han demostrado máquinas con habilidades sin precedentes para anticipar movimientos y ajustar estrategias en entornos dinámicos.
En el centro de este progreso se encuentra ANYmal-D, un robot cuadrúpedo desarrollado por la ETH de Zúrich que puede jugar al bádminton de forma autónoma contra oponentes humanos. El robot emplea un innovador sistema de control basado en aprendizaje por refuerzo que le permite seguir, predecir y devolver con destreza los volantes. Su sofisticado "cerebro" le permite seguir la trayectoria del volante, anticipar su recorrido y moverse rápidamente por la pista para interceptarlo y devolverlo. Este logro, detallado en la revista Science Robotics, demuestra el potencial de los robots con patas para tareas dinámicas que requieren percepción precisa y respuestas rápidas de todo el cuerpo.
El robot está equipado con una cámara estéreo para la percepción visual y un brazo dinámico para manejar la raqueta de bádminton, lo que exige una sincronización precisa entre percepción, locomoción y movimientos del brazo. Los investigadores entrenaron el sistema mediante aprendizaje por refuerzo, permitiendo que el robot desarrollara estrategias eficaces a través de la experimentación y la interacción con su entorno. En pruebas contra jugadores humanos, ANYmal-D demostró su capacidad para moverse eficazmente por la pista, devolver golpes a diferentes velocidades y ángulos, y mantener peloteos de hasta 10 golpes consecutivos.
Este avance representa mucho más que una simple curiosidad tecnológica. El robot cuadrúpedo utiliza visión, datos de sensores y aprendizaje automático para anticipar movimientos y ajustar su estrategia, mostrando el futuro de la colaboración entre humanos y robots en deportes y formación. El proyecto combina robótica física con razonamiento avanzado de IA, abriendo nuevas posibilidades para que las máquinas trabajen junto a los humanos en entornos complejos e impredecibles.
Los expertos en robótica han logrado grandes avances en la forma en que los robots aprenden y se adaptan. Uno de los progresos clave consiste en combinar diferentes tipos de datos para hacerlos útiles para los robots. Por ejemplo, los investigadores pueden recopilar datos de humanos realizando tareas mientras llevan sensores, combinarlos con datos de teleoperación de humanos usando brazos robóticos y complementarlos con imágenes y vídeos de internet de personas realizando acciones similares. Al fusionar estas fuentes de datos en nuevos modelos de IA, los robots obtienen una gran ventaja respecto a los entrenados con métodos tradicionales. Ver múltiples formas de realizar una misma tarea facilita que los modelos de IA improvisen y determinen los siguientes pasos adecuados en situaciones reales. Esto supone un cambio fundamental en la forma en que los robots aprenden.
Este es un aspecto clave de la fabricación con IA en la actualidad. Los avances en aprendizaje por refuerzo han permitido que los robots físicos tomen decisiones y realicen tareas físicas complejas, desde colgar camisetas en perchas hasta preparar masa de pizza. Esta fusión de IA generativa y robótica ha ampliado radicalmente las aplicaciones potenciales en los negocios, la sanidad, la educación y el entretenimiento, lo que sugiere un futuro en el que las máquinas inteligentes se integren perfectamente en nuestra vida cotidiana.