Nueva tecnología permite a robots manipular objetos complejos y variados

La manipulación de objetos con formas irregulares y complejas ha sido uno de los mayores desafíos en la robótica durante décadas. Los sistemas actuales, que dependen de bases de datos y modelos rígidos, tienen dificultades para adaptarse a tareas impredecibles y variadas. Sin embargo, un avance presentado por investigadores del Instituto Federal Suizo de Tecnología de Lausana (EPFL) y del Instituto de Investigación Idiap abre nuevas posibilidades para la robótica industrial y de servicios.

Este nuevo método permite a los robots manipular, cortar y pelar cualquier objeto, incluso en entornos desordenados y con datos incompletos. La clave está en un sistema basado en geometría adaptable que crea un “mapa de nube de puntos” de cualquier objeto, sin importar su forma o tamaño. Este mapa identifica puntos clave en la superficie y genera una representación geométrica fluida y ajustada a la tarea.

Según informa Interesting Engineering, esta estructura permite a los robots entender y manipular objetos con geometrías variables, superando las limitaciones de los enfoques tradicionales. Lo innovador es que no requiere modelos perfectos ni grandes cantidades de datos de entrenamiento. Utiliza principios de geometría diferencial discreta para construir campos de referencia locales guiados por la superficie y los puntos clave del objeto.

Estos campos de orientación facilitan que las acciones básicas —como deslizar, cortar o pelar— se puedan realizar sin importar la forma del objeto. Esto permite que los robots transfieran habilidades entre objetos muy diferentes, algo que los humanos hacen naturalmente. La tecnología imita esa capacidad, resolviendo el problema de la variabilidad geométrica en la manipulación robótica.

El sistema puede integrarse con diversos controles, desde teleoperación hasta planificación de trayectorias y aprendizaje por refuerzo. Gracias a la generación de campos de orientación en tiempo real a partir de datos de visión y profundidad, los robots pueden adaptarse rápidamente a nuevos objetos y situaciones, mejorando su eficiencia y flexibilidad.

La clave del avance reside en la generación de un campo de orientación a partir de datos de visión y profundidad en tiempo real.