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 avance se encuentra ANYmal-D, un robot cuadrúpedo desarrollado por ETH Zurich que puede jugar bádminton de manera autónoma contra oponentes humanos. El robot emplea un innovador sistema de control impulsado por aprendizaje por refuerzo que le permite rastrear, predecir y devolver hábilmente los volantes. Su sofisticado "cerebro" le permite seguir la trayectoria del volante, anticipar su recorrido y moverse rápidamente por la cancha para interceptarlo y devolverlo. Este logro, detallado en la revista Science Robotics, demuestra el potencial de los robots con patas para desempeñar tareas dinámicas que requieren percepción precisa y respuestas corporales rápidas.
El robot está equipado con una cámara estéreo para la percepción basada en visión y un brazo dinámico para sostener 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 efectivas a través de la experimentación y la interacción con su entorno. En pruebas contra jugadores humanos, ANYmal-D demostró su capacidad para desplazarse eficazmente por la cancha, devolver tiros a diferentes velocidades y ángulos, y mantener intercambios de hasta 10 golpes consecutivos.
Este avance representa mucho más que una 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 humano-robot en deportes y entrenamiento. 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 avances importantes en la forma en que los robots aprenden y se adaptan. Un avance clave implica combinar diferentes tipos de datos para que sean útiles para los robots. Por ejemplo, los investigadores pueden recopilar datos de humanos realizando tareas mientras usan sensores, combinarlos con datos de teleoperación de humanos usando brazos robóticos y complementar esto con imágenes y videos de internet de personas realizando acciones similares. Al fusionar estas fuentes de datos en nuevos modelos de IA, los robots obtienen una gran ventaja sobre aquellos entrenados con métodos tradicionales. Ver múltiples formas de realizar una sola tarea facilita que los modelos de IA improvisen y determinen los siguientes pasos adecuados en situaciones reales. Esto representa un cambio fundamental en la forma en que los robots aprenden.
Este es un aspecto significativo de la manufactura 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 ganchos hasta amasar masa para pizza. Esta fusión de IA generativa y robótica ha ampliado radicalmente las aplicaciones potenciales en los negocios, la salud, la educación y el entretenimiento, lo que sugiere un futuro donde las máquinas inteligentes se integren de manera fluida en nuestra vida diaria.