Fósiles marinos revelan su valor como herramienta de entrenamiento para robots inteligentes

Investigadores han demostrado una técnica innovadora que modela geométricamente objetos orgánicos y crea imágenes tridimensionales fotorrealistas de dichos objetos. Estas imágenes, matemáticamente precisas, pueden utilizarse para diseñar sistemas robóticos capaces de identificar y clasificar estas formas complejas de forma autónoma.

La técnica fue creada para mejorar los sistemas robóticos que clasifican e identifican fósiles marinos microscópicos utilizados en la investigación climática, pero podría servir como modelo para aplicaciones en una variedad de otros campos.

Edgar Lobaton, coautor del estudio y profesor de ingeniería eléctrica e informática en la Universidad Estatal de Carolina del Norte, afirma que "demostramos la funcionalidad de esta técnica de dos maneras: en un sistema robótico para la obtención de imágenes 3D de estos fósiles marinos microscópicos y en un sistema robótico para la identificación de los fósiles".

El tema en cuestión son los foraminíferos, protistas que han prevalecido en los océanos de la Tierra durante más de 100 millones de años. Al morir, dejan atrás sus diminutas conchas que brindan a los científicos información sobre las características de los océanos tal como existían cuando los foraminíferos vivían. Diferentes tipos de especies de foraminíferos prosperan en distintos tipos de ambientes oceánicos. Las mediciones químicas pueden brindar información a los científicos sobre todo, desde la composición química del océano hasta su temperatura durante la formación de la concha.

Sin embargo, evaluar conchas y fósiles de foraminíferos es tedioso y requiere mucho tiempo: imaginen clasificar cientos de objetos con formas similares de menos de un milímetro de ancho. Los investigadores ya habían desarrollado un sistema robótico completamente funcional para identificar y clasificar foraminíferos, llamado Forabot, pero crear este sistema les enseñó que el aspecto más laborioso del proceso es ajustar el hardware y su distribución.

Al capturar facsímiles 3D de estos fósiles con una precisión increíble, los investigadores pueden utilizar esos facsímiles en simulaciones del sistema robótico. "Se pueden realizar ajustes en la simulación con mucha más facilidad que trabajando con hardware real", afirma Lobaton.

Para este trabajo, los investigadores modificaron un modelo matemático para generar facsímiles tridimensionales detallados de los fósiles, colaborando posteriormente con un paleontólogo para garantizar que los facsímiles correspondieran a las características de siete especies representativas de foraminíferos.

Utilizando los facsímiles 3D recién capturados para explorar las modificaciones del sistema de Forabot, lograron mejorar su precisión del 82% al 89%, sin tener que pasar por el laborioso proceso de reconfigurar repetidamente el hardware en su laboratorio.

Sanjana Banerjee, autora correspondiente del artículo y estudiante de doctorado en la Universidad Estatal de Carolina del Norte, explica que "usando nuestro conjunto de datos sintéticos, pudimos probar cómo los modelos de IA de vanguardia pueden reconstruir formas 3D a partir de un conjunto escaso de imágenes 2D".

En términos más generales, el enfoque adoptado podría utilizarse para desarrollar u optimizar cualquier sistema robótico que identifique o clasifique objetos con formas complejas, incluyendo casos de uso como el aislamiento de microbios y patógenos a escala microscópica y la clasificación de productos agrícolas a mayor escala.