La manipulación de objetos es una de las habilidades más complejas del ser humano, ya que combina percepción táctil, experiencia previa y toma de decisiones casi instantánea, un conjunto de capacidades que todavía representa un desafío central para la robótica moderna.
Mientras los robots industriales destacan por su precisión y repetitividad, suelen fallar cuando se enfrentan a objetos frágiles, deformables o impredecibles, porque carecen de una comprensión táctil comparable a la humana y dependen de instrucciones rígidas o datos excesivamente detallados.
Un equipo de investigadores de la Universidad de Tsinghua ha propuesto un enfoque diferente, basado en enseñar a los robots no movimientos exactos, sino la lógica sensorial que los humanos utilizan al agarrar objetos, permitiendo una adaptación más flexible a situaciones cambiantes.
El trabajo parte del uso de un guante táctil equipado con sensores en las yemas de los dedos, capaz de registrar información sobre contacto, presión y deslizamiento durante la manipulación de distintos objetos, generando así un registro directo de la experiencia humana.
En lugar de trasladar estos datos de forma literal al robot, los investigadores desarrollaron un sistema que traduce la información táctil en estados generales de agarre, como estable o inestable, un método inspirado en la forma en que el cerebro humano simplifica señales complejas para tomar decisiones rápidas.
A partir de estos estados, el robot emplea un controlador que ajusta la fuerza de su agarre de manera progresiva, imitando el razonamiento humano sin necesidad de grandes volúmenes de datos ni entrenamientos prolongados, lo que mejora la eficiencia del aprendizaje.
Las pruebas demostraron que este enfoque permite a una mano robótica manipular con éxito objetos muy distintos, desde elementos frágiles hasta cargas pesadas, manteniendo un alto nivel de estabilidad incluso ante perturbaciones externas o movimientos inesperados.
Más allá del laboratorio, los investigadores mostraron el potencial práctico del sistema mediante la ejecución de tareas cotidianas, como la preparación de café, que requieren una interacción constante con objetos variados y una adaptación continua a pequeñas incertidumbres.
Este tipo de aprendizaje humano-robot abre una vía prometedora para el desarrollo de máquinas más versátiles, capaces de operar en entornos reales y colaborar de forma segura con personas, al trasladar a la robótica no solo datos, sino principios fundamentales de la experiencia humana.
Fuente: Oxford Academic
