La manipulación de objetos de formas irregulares ha sido durante mucho tiempo un reto significativo en el ámbito de la robótica. Este desafío se debe, en gran parte, a las limitaciones de los sistemas actuales, que normalmente operan con bases de datos extensas y modelos rígidos que no permiten adaptaciones a contextos imprevistos. Sin embargo, recientes avances en este campo han surgido de la colaboración entre investigadores del Instituto Federal Suizo de Tecnología de Lausana (EPFL) y el Instituto de Investigación Idiap, quienes han desarrollado una tecnología revolucionaria que permite a los robots manipular, cortar y pelar objetos de diversas formas y tamaños, incluso en entornos desordenados y con información incompleta.
El enfoque innovador del equipo suizo se basa en la creación de un “mapa de nube de puntos” para cualquier objeto, sin importar su geometría. Este sistema es capaz de identificar puntos de referencia esenciales en la superficie del objeto y generar una representación geométrica adaptable a la tarea específica. Esta capacidad para comprender y manipular objetos con geometrías variables representa un avance significativo, superando las limitaciones de los modelos tradicionales que suelen depender de poses fijas o representaciones 3D idealizadas.
Una de las características más destacadas de esta nueva tecnología es que no requiere de modelos perfectos ni de grandes volúmenes de datos para su entrenamiento. En su lugar, utiliza principios de geometría diferencial discreta para construir campos continuos de marcos de referencia locales que se guían por la superficie del objeto y los puntos clave identificados. Estos campos de orientación son fundamentales, ya que permiten que los robots realicen acciones básicas —como cortar, pelar o deslizar— de manera independiente a la forma del objeto, facilitando así la transferencia de habilidades entre objetos con características muy distintas.
La capacidad de esta tecnología para imitar la habilidad humana de transferir destrezas de manipulación entre diferentes objetos es destacable. Mientras que un ser humano puede pelar una papa y luego un plátano sin dificultad, los robots a menudo enfrentan desafíos ante la variabilidad geométrica. Este nuevo sistema resuelve este dilema al proporcionar representaciones que son reutilizables y sensibles a la geometría, permitiendo a los robots llevar a cabo tareas complejas con objetos que nunca antes habían encontrado, sin necesidad de llevar a cabo un reentrenamiento exhaustivo.
Además, el marco modular de esta tecnología puede ser integrado con una variedad de sistemas de control, que van desde teleoperación hasta planificación de trayectorias y aprendizaje por refuerzo. Esto significa que los robots pueden ajustar rápidamente los comportamientos aprendidos a nuevos objetos y situaciones, lo que no solo acelera la convergencia de sus capacidades, sino que también mejora la eficiencia en la planificación y ejecución de tareas.
Un aspecto crucial de este avance radica en la generación de un campo de orientación utilizando datos de visión y profundidad en tiempo real. A través de la aplicación de la ecuación de difusión, un recurso matemático que distribuye la información geométrica a lo largo de la superficie del objeto, el sistema opera directamente con nubes de puntos, sin necesidad de depender de modelos 3D ideales. Esto representa un cambio paradigmático en la forma en que los robots pueden interactuar con su entorno y realizar tareas complejas.
