"Como un animal recién nacido, un robot de cuatro patas se tambalea durante sus primeros intentos de caminar. Pero mientras que un potro o una jirafa necesitan mucho más tiempo para hacerlo, el robot aprende a avanzar con fluidez en solo una hora", escriben en un comunicado del Max Planck Institute for Intelligent Systems.

En este prestigioso instituto alemán, un equipo de investigadores realizó un estudio para descubrir cómo los animales aprenden a caminar y aprenden de los tropiezos. Para ello, construyeron un robot de cuatro patas del tamaño de un perro que los ayudó a descubrir los detalles.

Publicado en la revista Nature Machine Intelligence, el trabajo de Felix Ruppert y Alexander Badri-Spröwitz, ambos del Grupo de Investigación de Locomoción Dinámica, describe la compleja mecánica de las piernas del perro-robot llamado "Morti" en la que un algoritmo guía el aprendizaje.

Específicamente, el algoritmo va ajustando los parámetros de un Generador Central de Patrones (CPG, por sus siglas en inglés) ubicado en la espalda del cuadrúpedo. En humanos y animales, estos CGPs son circuitos neuronales en la médula espinal que producen contracciones musculares periódicas sin la intervención del cerebro, ayudando a realizar tareas rítmicas como caminar, parpadear o hacer la digestión. 

En el animal recién nacido, el GPC al principio no está lo suficientemente ajustado y el animal tropieza con frecuencia, tanto en terrenos llanos como irregulares. Pero el animal aprende rápidamente la manera en que su CPG y sus reflejos controlan los músculos y los tendones de las piernas.

Lo mismo ocurre con el perro-robot del tamaño de un labrador que construyeron para este estudio: los datos de los sensores de los pies del robot se comparan continuamente con una computadora pequeña y liviana que simula su CPG y, si Morti tropieza, el algoritmo de aprendizaje cambia qué tan lejos se balancean las piernas hacia adelante y hacia atrás, qué tan rápido lo hacen e incluso cuánto tiempo está una pierna en el suelo. De esta manera, el CPG empieza a envíar señales motrices adaptadas para que, en adelante, el robot tropiece menos y optimice su marcha.

En este este proceso, esa "médula espinal virtual" no tiene conocimiento explícito sobre el diseño de las piernas del robot, sus motores y resortes. "Nuestro robot prácticamente 'nace' sin saber nada sobre la anatomía de sus piernas o cómo funcionan", explica Ruppert; pero los datos del sensor y del CPG permiten al algoritmo de aprendizaje adaptarse hasta que Morti camina bien y sin tropezar. 

"Sabemos que estas GPC existen en muchos animales. Sabemos que los reflejos están incrustados; pero ¿cómo podemos combinar ambos para que los animales aprendan movimientos con reflejos y GPC? Esta es una investigación fundamental en la intersección entre la robótica y la biología. El modelo robótico nos da respuestas a preguntas que la biología por sí sola no puede responder", expresó Alexander Badri-Spröwitz, coautor de la publicación.