Los robots han sido enseñados durante mucho tiempo a moverse con una regla única y rígida: nunca tocar nada que no sea parte de su propio cuerpo. En el mundo de la robótica, una colisión suele tratarse como un fallo binario, una línea en la arena que una máquina no debe cruzar. Este enfoque funciona bien en fábricas limpias y vacías donde cada objeto está fijo en su lugar, pero se desmorona en la realidad desordenada y llena de objetos de un hogar humano. Imagine a un robot intentando alcanzar una taza en una mesa abarrotada. Para evitar tocar una caja cercana, el robot podría tener que dar un rodeo largo y sinuoso, o podría necesitar detenerse y recoger cuidadosamente la caja para apartarla antes de proceder. Ambas opciones son lentas y a menudo innecesarias. Un enfoque más práctico permitiría al robot empujar suavemente la caja para apartarla si la caja es resistente y el empujón no causa daño. El desafío radica en saber qué objetos son seguros de tocar y cuáles no, y comprender que empujar un artículo podría hacer que este choque contra otro objeto potencialmente frágil más lejano.

Investigadores de la Universidad Tecnológica de Nanyang han desarrollado un nuevo sistema de planificación llamado CaSCo que enseña a los robots a realizar estos juicios matizados. En lugar de ver el mundo como un mapa de obstáculos rígidos que deben evitarse, CaSCo trata el entorno como una colección de objetos con diferentes niveles de riesgo. Una caja de cartón puede ser de bajo riesgo, mientras que una botella de vidrio o una computadora portátil son de alto riesgo. El sistema utiliza inteligencia artificial para asignar estos valores de riesgo y luego ejecuta simulaciones de física para predecir qué sucedería si el robot se moviera a través de la escena. No solo comprueba si el robot golpea un objeto; calcula si ese golpe causaría una reacción en cadena, donde el primer objeto se desliza hacia un segundo objeto más valioso. Al sopesar las consecuencias de cada movimiento posible, el robot puede encontrar una ruta que minimice el peligro total para la escena, incluso si esa ruta implica tocar varios artículos de bajo riesgo.

El núcleo de este trabajo es un cambio de preguntar "¿Golpearé algo?" a "¿Qué pasa si lo hago?". En la planificación tradicional, un robot podría elegir una ruta que evite todo contacto, incluso si esa ruta es increíblemente larga, o simplemente podría intentar retirar un obstáculo antes de avanzar. CaSco ocupa un punto medio. Permite al robot rozar un objeto ligero si hacerlo es más seguro que la alternativa. Por ejemplo, en un escenario de prueba, un robot tenía que alcanzar un objetivo en una mesa abarrotada con varios artículos. Una ruta requería que el robot se esquinara por un estrecho hueco, evitando todo contacto pero tomando una ruta larga. Otra ruta implicaba empujar suavemente una caja de cartón y una bolsa de patatas fritas para apartarlas del camino. Una tercera ruta, que parecía más corta, habría requerido que el robot pasara rozando una botella de vidrio y una lata de refresco. El sistema calculó que la ruta que involucraba el cartón y las patatas era la más segura en general, porque la botella de vidrio conllevaba un alto riesgo de romperse o derramar líquido, y la lata de refresco podría rodar y golpear algo más. El robot eligió la ruta que tocaba más objetos pero resultaba en la menor cantidad de daño potencial.

Para tomar estas decisiones, el sistema construye un modelo mental de la escena que se actualiza a medida que el robot se mueve. Cuando el robot empuja un objeto, el sistema simula la física de ese empuje para ver dónde aterriza el objeto. Si ese objeto golpea un segundo objeto, el sistema registra también esa colisión secundaria. Esto es crucial porque el riesgo de un movimiento depende de la disposición actual de la habitación. Empujar una caja hacia el espacio vacío es inofensivo, pero empujar la misma caja hacia una pila de platos frágiles es peligroso. Los investigadores descubrieron que ignorar estos efectos secundarios conduce a malas decisiones. En sus experimentos, un método de planificación que solo observaba el contacto directo entre el robot y los objetos a menudo fallaba en prevenir estas reacciones en cadena, resultando en un riesgo general más alto. Al contabilizar la cascada completa de interacciones, CaSCo encontró consistentemente rutas que eran más seguras que aquellas elegidas por métodos que ignoraban la reacción en cadena o trataban todos los objetos como igualmente peligrosos.

El equipo probó su sistema en un entorno simulado utilizando un brazo robótico similar a los utilizados en laboratorios de investigación, colocándolo en dos tipos de escenas desordenadas: una tarea de alcanzar un estante y una tarea de manipulación sobre una mesa. Crearon veinte versiones diferentes de cada escena, con objetos dispuestos de diversas maneras, y le pidieron al robot que encontrara la mejor ruta hacia un objetivo. Los resultados mostraron que CaSCo fue capaz de resolver cada instancia del problema, mientras que un sistema tradicional que se negaba a tocar cualquier cosa falló por completo en estos entornos desordenados. Al compararlo con otros métodos que permitían el contacto, CaSCo redujo el riesgo total de las interacciones por un margen significativo. En las pruebas de la mesa, por ejemplo, el nuevo sistema logró una puntuación de riesgo de 25.0, mientras que un método que utilizaba valores de riesgo pero ignoraba el movimiento de los objetos después de que terminaba una colisión terminó con una puntucción de 42.0. Esta diferencia resalta que saber que un objeto es frágil no es suficiente; el planificador también debe entender cómo el movimiento de ese objeto cambia el resto de la escena.

La eficiencia fue otro enfoque importante del estudio. Debido a que el sistema tiene que simular el futuro de la escena para cada movimiento posible, los cálculos pueden volverse muy pesados y lentos. Los investigadores desarrollaron un atajo ingenioso que permitió al sistema saltarse cálculos innecesarios sin sacrificar la calidad de la ruta final. En lugar de simular cada posibilidad, el sistema centró su capacidad de cómputo en las rutas más prometedoras y solo simuló los detalles cuando una ruta parecía ser una candidata sólida. Este enfoque redujo el tiempo requerido para planificar una ruta aproximadamente un 79 por ciento en las pruebas de la mesa, bajando el tiempo de planificación de más de dos minutos a unos veintiséis segundos. A pesar de esta aceleración, el sistema aún encontró la misma ruta óptima que un método más lento y exhaustivo, demostrando que el atajo no comprometió la seguridad de la solución.

Finalmente, los investigadores trasladaron el sistema de la simulación por computadora a un robot físico real para ver cómo se desempeñaba en el mundo real. Configuraron un espacio de trabajo con objetos reales, incluyendo cajas, botellas y latas, y dejaron que el robot planificara y ejecutara sus movimientos. El robot navegó con éxito a través del desorden, empujando suavemente artículos de bajo riesgo para despejar un camino mientras evitaba los de alto riesgo. Las pruebas en el mundo real confirmaron que el sistema podía manejar la imprevisibilidad de los objetos físicos, como las ligeras variaciones en cómo se desliza una caja o cómo rueda una lata. Aunque la simulación proporcionó la mayor parte de los datos, estas demostraciones en el mundo real mostraron que la lógica se mantiene cuando el robot está realmente tocando el mundo. El trabajo no pretende haber resuelto todos los problemas de la navegación de robots, y los investigadores señalan que el trabajo futuro tendrá que abordar la incertidumbre y las interacciones más complejas, pero establece una nueva forma clara de pensar sobre el contacto para los robots.

La importancia de este trabajo reside en su capacidad para hacer que los robots sean más adaptables y eficientes en entornos humanos. Al tratar la colisión no como un fallo, sino como un riesgo calculado, los robots pueden moverse de manera más natural y rápida a través de espacios concurridos. Ya no necesitan detenerse y pedir permiso para mover un objeto, ni necesitan tomar rutas largas y sinuosas para evitarlo. En su lugar, pueden tomar una decisión en una fracción de segundo basada en la naturaleza de los objetos que los rodean, eligiendo una ruta que puede implicar un empujón suave a una caja de cartón para evitar la rotura catastrófica de un jarrón de vidrio. Este enfoque cierra la breancia entre la seguridad rígida de los robots industriales y el movimiento fluido e intuitivo de los humanos, sugiriendo un futuro donde los robots puedan trabajar junto a nosotros en nuestros hogares y oficinas sin verse obstaculizados por el mismo desorden que define esos espacios.