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.

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.

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.

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.

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.