Robótica evolutiva o cómo las máquinas aprenden de la naturaleza

El objetivo de la llamada “robótica evolutiva” es que los robots se adapten a un medio dinámico, o sea cambiante; que aprenden autónomamente, cambien, cooperen, se desarrollen y especialicen como cualquier otro “ser”. ¿Ciencia ficción? – Para nada, en Aachen, Alemania ya es realidad.

En esta ciudad universitaria al oeste del país, tienen lugar, cada año, algo así como las olimpiadas de los robots que juegan fútbol, que rescatan personas o sirven en la casa. Pero el evento comienza muy humano, con una falla:

“Desafortunadamente los robots de los especialistas de Aachen no se mueven”.

El problema: “Los programadores de software para robots no pueden imaginarse todas las situaciones que se pueden dar en un partido de fútbol, dice Paul Levi, informático de la Facultad de Electrotécnica y Técnica de Información de la Universidad de Stuttgart.

“En un partido de fútbol se prevén unas cinco situaciones típicas. El robot jugador las debe reconocer y reaccionar de acuerdo a ellas. Pero eso no es evolutivo.”

"Evolutivo". Esta es la gran clave de las diferentes disciplinas que investigan con robots. Su idea es - si funciona – transplantar el principio de la evolución a las técnicas robóticas. Así los robots podrán actuar creativa y autónomamente en la búsqueda de soluciones que los programadores de software no escribieron o previeron.

Paul Levi lo demuestra con un robot que debe buscar queso. El mismo robot debe entender que para esta tarea las cámaras ópticas y los termómetros no son los “órganos” más importantes, sino el sensor de olfato.

“Si para sobrevivir es decisivo poder oler bien, el sentido del olfato tiene que ser optimizado. ¿Cómo encuentro la fuente de alimentación más rápidamente? Las otras características son reducidas porque lo necesario ahora es oler.”

La base de la evolución natural en los seres vivos es la mutación de pequeños trozos con fallas de la cadena genética. Esas mutaciones tienen lugar en la herencia de genes de generación a generación. Si los cambios significan una ventaja en la sobrevivencia, el gen remodelado se impone a largo plazo.

Los científicos emulan este principio de la siguiente manera: poblaciones de hasta cien robots deben solucionar la tarea de buscar queso. Lo que en la biología es el genoma, en la robótica es el software. Lo especial es que así como en la naturaleza los genes varían, así mismo el software de cada robot tiene diferencias individuales.

De esta forma surgen variantes de software que son más exitosas. Así que los robots que encuentran el queso más rápido, se “aparean” con otros robots exitosos.

“Expertos en genética de Tübingen introdujeron este tipo de sexo virtual. Y el sexo para nosotros es intercambio de información y programas.”

Como en un juego de cartas, los “niños robots” son dotados de partes de programas tanto del padre como de la madre en mezclas individuales. Pero a pesar de las diferencias entre hermanos robots de la nueva generación, todos “nacen” con una característica heredada de sus padres: pueden identificar mejor su entorno con el sensor de olfato.

El mecanismo que introduce las ventajas heredadas imita la naturaleza en otro punto: agrega pequeñas mutaciones o sea, características que no tenían los padres. De este modo pueden surgir “niños robots” con un mejor sensor de temperatura, por ejemplo.

El azar puede así aportar al desarrollo de ventajas en las que un ingeniero programador no hubiera pensado. Levy cuenta que en la biología la naturaleza experimenta de la misma manera:

“La evolución envía una especie de embajadores al campo de experimentación asumiendo el riesgo de que el 30% de ellos no regrese. Pérdidas que los ingenieros no aceptan. Pero así funciona la evolución, buscando y experimentando. Al final el resultado óptimo es el que se impone.”

Para las grandes ideas de la historia de la evolución no fueron necesarios los ingenieros. La naturaleza es la evolución de pequeños errores, un principio que funciona también en la robótica. Lo demuestra el hecho de que los robots de la quinta generación mejoraron visiblemente el “sentido de la búsqueda”.

Autor: José Ospina-Valencia
Editor: Pablo Kummetz