El avance no está en el innovador perro robot, Morti, que imita la forma de moverse de estos animales, sino en su médula espinal virtual, diseñada por investigadores alemanes. Esto le ha permitido, como las jirafas o los potros recién nacidos, aprender a caminar lo antes posible.
Los animales nacen con redes de coordinación muscular situadas en la médula espinal. Sin embargo, aprender la coordinación precisa de los músculos y tendones de las extremidades lleva algún tiempo.
Inicialmente, los animales recién nacidos dependen en gran medida de los reflejos de la médula espinal. Aunque algo más básicos, los reflejos de control motor le ayudan a no caer durante sus primeros intentos de caminar. Se debe practicar el siguiente control muscular más avanzado y preciso, hasta que finalmente el sistema nervioso se adapte bien a los músculos y tendones de las patas del animal joven. No más tropiezos incontrolados: el animal joven ahora puede seguir el ritmo de los adultos.
Investigadores del Instituto Max Planck para Sistemas Inteligentes (MPI-IS), en Stuttgart, realizaron un estudio de investigación para descubrir cómo los animales aprenden a caminar y aprender de los tropiezos. Construyeron un robot de cuatro patas, del tamaño de un perro, que les ayudó a descubrir los detalles.
Felix Ruppert, del grupo de Locomoción Dinámica en MPI-IS y primer autor del estudio que difunde Nature Machine Intelligence, subraya que “como ingenieros y especialistas en robótica, buscamos la respuesta construyendo un robot que presenta reflejos como un animal y aprende de los errores. Si un animal tropieza, ¿es un error? No si sucede una vez. Pero si tropieza con frecuencia, nos da una medida de cómo camina el robot».
Generador Central de Patrones
Después de aprender a caminar en solo una hora, Morti utiliza adecuadamente el entramado mecánico de sus patas. Un algoritmo de optimización dirige el aprendizaje: la información medida del sensor de la mano se compara con los datos objetivo de la médula espinal virtual modelada, que se ejecuta como un programa en el ordenador del robot.
Morti aprende a caminar comparando continuamente la información del sensor enviada y esperada, ejecutando bucles reflejos y adaptando sus patrones de control motor.
El algoritmo de aprendizaje adapta los parámetros de control de un Generador Central de Patrones (CPG). En humanos y animales, estos generadores de patrones centrales son redes de neuronas en la médula espinal que producen contracciones musculares periódicas sin la intervención del cerebro. Estas redes ayudan a generar tareas rítmicas como caminar, parpadear o hacer la digestión.
Además, los reflejos son acciones de control motor involuntario desencadenadas por vías neuronales codificadas que conectan sensores en la pierna con la médula espinal.
Siempre que el animal joven camine sobre una superficie perfectamente plana, las CPG pueden ser suficientes para controlar las señales de movimiento de la médula espinal. Un pequeño bache en el suelo, sin embargo, cambia la forma de caminar.
Proceso de aprendizaje del perro robot
Los reflejos se activan y ajustan los patrones de movimiento para evitar que el animal pierda el equilibrio. Estos cambios momentáneos en las señales de movimiento son reversibles o elásticos, y los patrones de movimiento vuelven a su configuración original después de la perturbación.
Pero si el animal no deja de tropezar en muchos ciclos de movimiento, a pesar de los reflejos activos, entonces los patrones de movimiento deben volver a aprenderse y hacerse plásticos, es decir, irreversibles. En el animal recién nacido, las GPC inicialmente aún no están lo suficientemente ajustadas y el animal tropieza, tanto en terrenos llanos como irregulares.
Lo mismo ocurre con este ingenio robótico del tamaño de un perro labrador. El robot optimiza sus patrones de movimiento más rápido que un animal, en aproximadamente una hora. El CPG de Morti se simula en un pequeño ordenador que controla el movimiento de las patas. Esta médula espinal virtual se coloca en la espalda del robot cuadrúpedo donde estaría la cabeza.
Durante la hora que tarda el robot en caminar sin problemas, los datos de los sensores de los pies de Morti se comparan continuamente con la toma de contacto prevista por su Generador Central de Patrones (CPG).
Durante el proceso de aprendizaje, el CPG envía señales motorizadas adaptadas para que el robot en adelante tropiece menos y optimice su marcha. En este marco, la médula espinal virtual no tiene conocimiento explícito sobre el diseño de las patas del robot, sus motores y resortes.
Perro robot de bajo consumo
El ordenador de Morti consume solo cinco vatios de energía en el proceso de caminar. Los robots cuadrúpedos industriales, que han aprendido a funcionar con la ayuda de controladores complejos, consumen mucha más energía. Sus controladores se codifican con el conocimiento de la masa exacta y la geometría del cuerpo del robot. Por lo general, consumen varios centenares de vatios de potencia.
Ambos tipos de robots funcionan de forma dinámica y eficiente, pero el consumo de energía informática es mucho menor en el modelo de Stuttgart, aunque también proporciona información importante sobre la anatomía animal.
«No podemos investigar fácilmente la médula espinal de un animal vivo. Pero podemos modelar una en el robot», asegura Alexander Badri-Spröwitz, coautor del estudio y director del Grupo de Investigación de Locomoción Dinámica.
«Sabemos que estos CPG existen en muchos animales. Sabemos que los reflejos se incrustan, pero ¿cómo podemos combinar ambos para que los animales aprendan movimientos con reflejos y CPG? Esta es una investigación fundamental en la intersección entre la robótica y la biología. El modelo robótico da respuestas a preguntas que la biología por sí sola no puede responder«, puntualiza este investigador.
