La nueva tecnología que permite a los robots manipular, cortar y pelar cualquier objeto

La manipulación de objetos irregulares y de formas complejas ha sido, durante décadas, uno de los principales desafíos en la robótica aplicada. Las limitaciones de los sistemas actuales, que dependen de grandes bases de datos y modelos rígidos, restringen la capacidad de los robots para adaptarse a contextos impredecibles y tareas variadas.

Sin embargo, un avance presentado por investigadores del Instituto Federal Suizo de Tecnología de Lausana (EPFL) y del Instituto de Investigación Idiap abre un nuevo camino para la robótica industrial y de servicios: una tecnología que permite a los robots manipular, cortar y pelar cualquier objeto, incluso en entornos desordenados y con datos incompletos.

Un sistema basado en geometría adaptable

El método desarrollado por el equipo suizo parte de la creación de un “mapa de nube de puntos” de cualquier objeto, independientemente de su forma o tamaño. Según informa Interesting Engineering, el sistema identifica puntos de referencia clave en la superficie y genera una representación geométrica fluida y adaptada a la tarea. Esta estructura permite a los robots comprender y manipular objetos con geometrías variables, superando la rigidez de los enfoques tradicionales basados en la pose o en modelos 3D limpios.

A diferencia de otras técnicas, el nuevo método no requiere modelos perfectos ni grandes cantidades de datos de entrenamiento. Utiliza principios de geometría diferencial discreta para construir campos continuos de marcos de referencia locales guiados por la superficie y los puntos clave del objeto. Estos campos de orientación permiten que las acciones básicas —como deslizar, cortar o pelar— se expresen de manera invariante a la forma, facilitando la transferencia de habilidades entre objetos muy diferentes.

Manipulación sensible a la forma y transferencia de habilidades

La tecnología imita la capacidad humana de transferir habilidades de manipulación entre objetos diversos. Mientras que los humanos pueden pelar una patata y luego un plátano sin dificultad, los robots suelen fracasar ante la variabilidad geométrica. Este sistema resuelve el problema al ofrecer representaciones reutilizables y sensibles a la geometría, lo que permite a los robots ejecutar tareas complejas en objetos nunca antes vistos, sin necesidad de reentrenamiento.

El marco modular puede integrarse con diversos sistemas de control: desde teleoperación hasta planificación de trayectorias y aprendizaje por refuerzo. Así, los robots pueden adaptar rápidamente comportamientos aprendidos a nuevos objetos y situaciones, acelerando la convergencia y mejorando la eficiencia en la planificación de tareas.

Control adaptativo y robustez ante el entorno real

La clave del avance reside en la generación de un campo de orientación a partir de datos de visión y profundidad en tiempo real. Gracias a la aplicación de la ecuación de difusión, una herramienta matemática que distribuye información geométrica a través de la superficie, el sistema trabaja directamente con nubes de puntos, sin depender de modelos 3D perfectos. Para operaciones que requieren transiciones entre contacto y espacio libre, el método combina difusión con técnicas de Monte Carlo, lo que permite un cálculo eficiente y sin necesidad de cuadrículas.

Un aspecto destacado es la robustez del sistema frente a datos incompletos o con ruido, habituales en entornos industriales o domésticos. El robot puede operar incluso cuando los sensores no captan toda la superficie del objeto o cuando el entorno es desordenado.

Resultados experimentales y aplicaciones

Durante las pruebas, los robots equipados con visión, sensores de profundidad y retroalimentación de fuerza lograron manipular, pelar, cortar e inspeccionar objetos con formas impredecibles, como plátanos o batatas. En experimentos con 50 objetos deformados aleatoriamente, el sistema demostró una menor variación en las trayectorias de acción respecto a los métodos convencionales, lo que indica una mayor capacidad de generalización y adaptabilidad.

La integración con distintas estrategias de control amplía el espectro de aplicaciones, desde la industria alimentaria hasta la manufactura avanzada y la robótica doméstica. El marco permite que las máquinas ejecuten tareas delicadas y repetitivas, adaptándose en tiempo real a objetos desconocidos, y representa un avance hacia robots más autónomos y versátiles.

El desarrollo presentado por el EPFL y el Instituto Idiap establece una base tecnológica que acerca a la robótica a las capacidades de manipulación humanas, abriendo nuevas posibilidades para la automatización y el trabajo colaborativo entre personas y máquinas.