Publicado el: 12 de marzo de 2025 / Actualizado el: 12 de marzo de 2025 – Autor: Konrad Wolfenstein
Los investigadores Sepehr Samavi y la profesora Angela Schoellig junto al robot Jack – Foto: Astrid Eckert, Múnich
Trabajo pionero en robótica: la TUM desarrolla un robot predictivo
Sistemas autónomos: cómo los robots aprenden a interactuar con los humanos
En un mundo que evoluciona rápidamente hacia la automatización y la inteligencia artificial, los sistemas autónomos se están convirtiendo en una parte cada vez más importante de nuestra vida diaria. Desde coches autónomos y robots de asistencia inteligentes hasta sofisticadas plantas industriales, la capacidad de las máquinas para tomar decisiones independientes y operar en entornos complejos está transformando numerosos aspectos de nuestras vidas. Una disciplina particularmente emocionante y desafiante dentro de la robótica es el desarrollo de sistemas que puedan moverse de forma segura y eficiente en entornos dinámicos con presencia humana. Esto implica no solo evitar obstáculos, sino también comprender, predecir y responder al comportamiento humano para garantizar una interacción fluida y segura.
Investigadores de la prestigiosa Universidad Técnica de Múnich (TUM) trabajan intensamente precisamente en esta intersección entre la robótica, la inteligencia artificial y el comportamiento humano. En su Laboratorio de Sistemas de Aprendizaje y Robótica, dirigido por la profesora Angela Schoellig, han desarrollado un innovador robot llamado "Jack", capaz de moverse entre multitudes con notable destreza y previsión. Lo que distingue a Jack de muchos otros robots es su capacidad no solo de percibir su entorno inmediato, sino también de considerar activamente cómo se moverán las personas a su alrededor y cómo podrían reaccionar a sus propios movimientos. Este pensamiento anticipatorio le permite a Jack planificar su ruta en espacios concurridos no solo de forma reactiva, sino también proactiva e inteligente.
Adecuado para:
El desafío de navegar entre multitudes
Moverse entre multitudes representa un desafío formidable para los robots, que va mucho más allá de simplemente evitar obstáculos. A diferencia de los entornos estáticos o predecibles, las multitudes son dinámicas, impredecibles y se caracterizan por interacciones sociales complejas. Cada persona en una multitud se mueve individualmente, pero al mismo tiempo influye en los movimientos de los demás. Esta interdependencia, combinada con la variabilidad natural del comportamiento humano, dificulta enormemente que los robots se muevan de forma segura y eficiente.
Los algoritmos tradicionales de navegación robótica, a menudo basados en reglas rígidas y datos de sensores simples, alcanzan rápidamente sus límites en estos entornos. Suelen reaccionar ante obstáculos deteniéndose o desviándose bruscamente, lo que puede provocar congestiones no deseadas, rutas ineficientes o incluso situaciones peligrosas en una multitud. Para navegar con éxito entre multitudes, los robots necesitan una inteligencia mucho más avanzada que les permita comprender y predecir el comportamiento humano e incorporarlo activamente en su planificación de navegación.
El enfoque innovador de Jack: visión de futuro e interacción
El robot Jack, desarrollado por investigadores de la TUM, supone un avance crucial en la evolución de los enfoques tradicionales. Su núcleo es un sofisticado algoritmo que le permite no solo percibir los movimientos de las personas en su entorno, sino también predecirlos activamente e incorporarlos a su propia planificación de rutas. El profesor Schoellig destaca la diferencia fundamental con los métodos convencionales: «Nuestro robot modela cómo reaccionarán las personas a sus movimientos para planificar sus propias rutas. Esta es la principal diferencia con respecto a otros enfoques que suelen ignorar esta interacción»
Esta capacidad para modelar interacciones es clave para el éxito de Jack. En lugar de ver a las personas simplemente como obstáculos impredecibles, Jack las entiende como agentes inteligentes cuyo comportamiento puede predecir parcialmente e incluso influir. Esto le permite moverse entre multitudes de una forma muy similar a la navegación humana. No duda en cubrir huecos, anticipa los movimientos de los peatones y ajusta dinámicamente su ruta para evitar colisiones y llegar eficientemente a su destino.
Sensores y potencia de cálculo en combinación
Para llevar a cabo esta exigente tarea, Jack está equipado con sensores y potencia de cálculo de vanguardia. Un componente clave es un sensor lidar (detección y alcance de luz), que emite continuamente rayos láser a su alrededor y recibe las señales reflejadas. A partir de estos datos, el lidar crea un mapa preciso de 360 grados del entorno en tiempo real, capturando no solo objetos estáticos, sino también, y sobre todo, la posición y el movimiento de las personas. De este modo, el lidar proporciona al robot una imagen detallada de su entorno, que sirve de base para sus decisiones de navegación.
Además del lidar, Jack cuenta con sensores en las ruedas que miden con precisión su velocidad y la distancia recorrida. Esta información es crucial para determinar con precisión su posición en el entorno y optimizar la eficiencia de la navegación. Todos los datos de los sensores son procesados por una potente computadora a bordo capaz de ejecutar algoritmos complejos en tiempo real. Esta computadora es el "cerebro" de Jack, responsable de analizar los datos de los sensores, predecir el movimiento humano y calcular la ruta óptima.
Adecuado para:
El algoritmo en detalle: predicción, planificación y adaptación
La inteligencia de Jack se basa en el algoritmo de navegación desarrollado por investigadores de la TUM. Este algoritmo funciona en varios pasos para que Jack pueda navegar de forma segura y eficiente entre multitudes.
1. Percepción y adquisición de datos
En primer lugar, Jack recopila continuamente datos sobre su entorno mediante sus sensores. El lidar proporciona información sobre la posición y el movimiento de las personas, mientras que los sensores de las ruedas proporcionan datos sobre el propio movimiento del robot.
2. Predicción de movimientos humanos
A partir de los datos recopilados, el algoritmo analiza los patrones de movimiento de las personas en las inmediaciones. Intenta predecir las posibles rutas que seguirán en los próximos segundos. Esta predicción se basa en modelos estadísticos extraídos de amplios conjuntos de datos sobre el comportamiento humano en multitudes.
3. Planificación de rutas
Al mismo tiempo, el algoritmo planifica la ruta óptima hacia el destino del robot. Para ello, considera no solo los movimientos previstos de las personas, sino también las capacidades y limitaciones del robot, como su velocidad y maniobrabilidad. El objetivo es encontrar una ruta que conduzca al destino de la forma más rápida y eficiente posible, sin riesgo de colisiones con personas.
4. Adaptación dinámica
Un aspecto clave del algoritmo es su capacidad de adaptación dinámica. Todo el proceso de adquisición de datos, predicción y planificación de rutas se repite continuamente aproximadamente diez veces por segundo. Esto permite a Jack ajustar su ruta en tiempo real al entorno en constante cambio. Esta alta frecuencia de adaptación es esencial para navegar de forma segura y eficiente en un entorno dinámico con mucha gente, ya que el robot reconoce y reacciona simultáneamente a los movimientos de las personas, como explica el investigador de la TUM Sepehr Samavi.
Aprendiendo del comportamiento humano: La clave para una navegación similar a la humana
Otro aspecto crucial de la inteligencia de Jack es su capacidad para aprender del comportamiento humano. Los investigadores de la TUM no se limitaron a programar a Jack con reglas y algoritmos rígidos, sino que le dieron la oportunidad de mejorar continuamente mediante el análisis de datos sobre el comportamiento del movimiento humano.
El profesor Schoellig explica que el modelo matemático en el que se basa el algoritmo de planificación se derivó de los movimientos humanos y se tradujo en ecuaciones. Por lo tanto, el algoritmo no se basa en suposiciones abstractas sobre el comportamiento humano, sino directamente en datos reales que documentan los movimientos de multitudes. Para ello, los investigadores recopilaron amplios conjuntos de datos que describen el comportamiento humano en diversas situaciones y entornos, que sirven como material de entrenamiento para Jack.
Al analizar estos datos, Jack aprende a reconocer y anticipar patrones típicos de movimiento humano e incorporarlos a sus propias decisiones. Por ejemplo, aprende que las personas suelen virar bruscamente al acercarse a un obstáculo o ajustar su velocidad para evitar una colisión. Este conocimiento se incorpora al algoritmo, lo que le permite a Jack comportarse de una manera similar al comportamiento intuitivo de las personas en una multitud.
Un ejemplo concreto de este proceso de aprendizaje es la gestión de Jack ante posibles colisiones. Un robot tradicional normalmente se detendría inmediatamente al detectar un obstáculo, como una persona, en trayectoria de colisión. Sin embargo, Jack, al haber aprendido del comportamiento humano, reacciona con mayor sutileza. Anticipa que las personas suelen adaptarse y desviarse para evitar una colisión. Por lo tanto, no se detiene inmediatamente, sino que continúa su movimiento mientras observa simultáneamente la reacción de la persona. Solo si hay indicios de que la persona no desviará, Jack ajusta sus planes y elige una ruta alternativa. Este comportamiento es significativamente más eficiente y similar al humano que la parada brusca de un robot tradicional.
Desarrollo evolutivo: de reactivo a interactivo
El desarrollo de las habilidades de navegación de Jack fue un proceso evolutivo que se desarrolló en tres etapas. Cada etapa representa un avance en la complejidad e inteligencia del algoritmo.
Nivel 1: Navegación reactiva.
En la primera etapa, Jack simplemente reaccionaba a su entorno. Evitaba los obstáculos en cuanto los percibía, sin predecir ni anticipar el comportamiento humano. Si bien era funcional, esta etapa era ineficiente y a menudo provocaba paradas y desvíos abruptos.
Nivel 2: Navegación predictiva.
En la segunda etapa, se amplió el algoritmo para predecir el movimiento de personas que se aproximaban. Esto permitió a Jack navegar de forma más proactiva y evitar colisiones antes de que fueran inminentes. Esta etapa ya representaba un avance significativo, pero aún era limitada, ya que ignoraba en gran medida la interacción entre el robot y el humano.
Nivel 3: Navegación interactiva.
La versión actual de Jack representa la tercera y más avanzada etapa de evolución hasta la fecha: la navegación interactiva. En esta etapa, Jack no solo puede predecir los movimientos de las personas, sino también considerar activamente cómo reaccionarán a los suyos. Es capaz de influir en el comportamiento de las personas mediante sus propias acciones, evitando colisiones. Esta capacidad interactiva es el avance crucial que convierte a Jack en un sistema de navegación verdaderamente inteligente y humanoide.
El investigador Samavi explica que Jack puede predecir los movimientos de otras personas e influir en sus acciones mediante su propio comportamiento, evitando colisiones. Esta forma de navegación interactiva le permite moverse de forma segura, eficiente, socialmente aceptable e intuitiva entre las multitudes.
Áreas de aplicación: Desde robots de reparto hasta conducción autónoma
La innovadora tecnología de Jack tiene un enorme potencial para una amplia gama de aplicaciones. Aunque Jack se desarrolló inicialmente como una plataforma de investigación, los investigadores de la TUM ya están considerando aplicaciones concretas en el mundo real.
Robot de reparto
Una aplicación obvia son los robots de reparto que pueden entregar mercancías y paquetes de forma autónoma en entornos urbanos. Estos robots deben poder moverse con seguridad y eficiencia en aceras, zonas peatonales y centros urbanos concurridos. La capacidad de Jack para moverse entre multitudes es crucial para ello. En el futuro, los robots de reparto autónomos podrían contribuir significativamente a resolver los problemas de la "última milla" en logística y a reducir la congestión del tráfico urbano.
Adecuado para:
sillas de ruedas
Otra aplicación prometedora es la integración de la tecnología en sillas de ruedas inteligentes. Para las personas con movilidad reducida, desplazarse en entornos concurridos puede ser un gran desafío. Una silla de ruedas equipada con el algoritmo de navegación de Jack podría mejorar significativamente su independencia y calidad de vida. La silla de ruedas podría evitar obstáculos automáticamente, moverse con seguridad entre multitudes y transportar al usuario de forma autónoma a su destino.
Conducción autónoma
La profesora Schoellig considera la conducción autónoma un área de aplicación especialmente relevante para la tecnología de navegación interactiva. Destaca que estos escenarios interactivos representan un desafío clave. En situaciones de tráfico complejas, como la incorporación a autopistas, los giros en intersecciones o la interacción con peatones y ciclistas, es esencial no solo planificar los propios movimientos, sino también anticipar el comportamiento de los demás usuarios de la vía e incorporarlo a la planificación. La capacidad de la tecnología para proporcionar navegación interactiva podría, por lo tanto, contribuir significativamente al desarrollo de vehículos autónomos más seguros y eficientes. Cita como ejemplo la incorporación a una autopista: cuando un vehículo se encuentra en el carril de aceleración de la entrada a la autopista, muchos conductores que se aproximan por detrás cambian de carril o frenan ligeramente. Es precisamente en estas situaciones que el nuevo enfoque permite considerar adecuadamente las reacciones de los demás usuarios de la vía.
robots humanoides
Los robots humanoides podrían beneficiarse especialmente de estos algoritmos, sobre todo en áreas como la atención, los servicios o la fabricación, donde trabajan en estrecha colaboración con humanos. Para que sean aceptados y utilizados eficazmente, es esencial que puedan navegar de forma segura e intuitiva en entornos humanos. Sin embargo, el profesor Schoellig señala un desafío clave: mientras que un robot móvil puede detenerse fácilmente cuando es necesario, los robots humanoides actualmente son bastante inestables y pierden el equilibrio rápidamente. Mejorar la estabilidad de los robots humanoides en entornos dinámicos es un área importante de investigación que requiere mayor desarrollo para aprovechar al máximo el potencial de la navegación interactiva para robots humanoides.
Navegación robótica avanzada: cómo Jack entiende el comportamiento humano
La investigación de la TUM en el campo de la navegación robótica interactiva representa un avance significativo hacia sistemas inteligentes y autónomos que puedan operar de forma segura y eficiente en entornos humanos. El robot Jack demuestra de forma impresionante que es posible desarrollar máquinas que no solo perciban su entorno, sino que también comprendan y predigan el comportamiento humano e incorporen este en su toma de decisiones. Esta capacidad de navegación interactiva abre nuevas posibilidades para una amplia gama de aplicaciones, desde robots de reparto y sillas de ruedas inteligentes hasta la conducción autónoma.
Sin embargo, el desarrollo de Jack es solo el comienzo. La investigación en robótica e inteligencia artificial avanza rápidamente, y podemos esperar nuevas e interesantes innovaciones en los próximos años y décadas. La integración de robots en nuestra vida cotidiana será cada vez más común, y los sistemas autónomos desempeñarán un papel cada vez más importante en nuestra sociedad. Por lo tanto, es crucial que moldeemos el desarrollo de estas tecnologías de forma responsable y consideremos los aspectos éticos y sociales desde el principio. Solo así podremos garantizar que robots y humanos puedan colaborar en beneficio de todos en el futuro.
Adecuado para:
Su socio global de marketing y desarrollo empresarial
☑️ Nuestro idioma comercial es inglés o alemán.
☑️ NUEVO: ¡Correspondencia en tu idioma nacional!
Konrad Wolfenstein
Estaré encantado de servirle a usted y a mi equipo como asesor personal.
Puedes ponerte en contacto conmigo rellenando el formulario de contacto o simplemente llámame al +49 89 89 674 804 (Múnich) . Mi dirección de correo electrónico es: wolfenstein ∂ xpert.digital
Estoy deseando que llegue nuestro proyecto conjunto.
