He visto muchos robots, pero este es realmente diferente

Una garra robótica se lanzó sobre un foco que reposaba en una mesa. Tras una breve pausa, la pinza redujo la velocidad, inspeccionó el objeto como si buscara lentes, lo agarró delicadamente y, tras varios intentos, lo giró hasta enroscarlo en un enchufe cercano, iluminando la zona de trabajo. La fluidez de la maniobra superó todo lo que había visto en más de una década cubriendo avances robóticos.

En el corazón de Kendall Square, Cambridge, Massachusetts, una zona conocida por su proximidad al MIT y su ecosistema de startups, se encuentra Eka, una empresa emergente que está redefiniendo la destreza mecánica. Su oficina, situada justo encima de mi restaurante favorito, Shy Bird, está repleta de brazos robóticos, pinzas y mesas cubiertas de objetos tan variados como guantes, tapones para los oídos, cepillos y llaveros. Cada elemento sirve como prueba de la capacidad del sistema para reconocer, agarrar y manipular objetos cotidianos.

Eka y la nueva destreza robótica

Al colocar una caja de tapones, un cepillo y, por último, mi propio juego de llaves con un llavero de felpa sobre la mesa, el robot se abalanzó, los pellizcó suavemente y los levantó. Cuando intenté retirar las llaves, el brazo titubeó un instante, las soltó y volvió a centrar su atención en la superficie, como si estuviera buscando el siguiente objetivo. La precisión y la rapidez con la que realiza estas tareas son tan impresionantes que resultan, a la vez, inspiradoras y ligeramente intimidantes.

Los cofundadores de Eka, el profesor del MIT Pulkit Agrawal y el ex investigador de robótica de Google DeepMind Tuomas Haarnoja, explican que su objetivo es lograr una “destreza casi humana” en los robots. Según Agrawal, “la destreza finalmente puede ser descifrada”. Creen que, a diferencia de los enfoques basados en enormes cantidades de datos de demostraciones humanas, su método permite que los robots aprendan por sí mismos mediante simulaciones intensivas y transferencia al mundo real.

Este enfoque contrasta con el proyecto Dactyl de OpenAI, que en 2018 utilizó una mano robótica comercial para resolver un cubo de Rubik en un entorno virtual mediante aprendizaje por refuerzo. Aunque Dactyl alcanzó una destreza notable, su capacidad se limitó a un objeto instrumentado y no podía recuperar piezas que se le escaparan. OpenAI abandonó temporalmente la robótica para enfocarse en modelos de lenguaje, mientras que Eka persiste en cerrar la brecha entre simulación y realidad.

En DeepMind, Haarnoja entrenó pequeños robots humanoides para jugar al fútbol mediante aprendizaje por refuerzo en entornos simulados, un desafío mucho mayor que girar un foco. En el MIT, Agrawal investigó cómo entrenar manos robóticas para agarrar objetos desde arriba, incorporando la sensación de peso y la fuerza gravitatoria. Ambos coinciden en que la simulación debe ser lo suficientemente realista para que los robots transfieran lo aprendido al mundo físico sin perder precisión.

Una de las demostraciones más llamativas de Eka consiste en una estación donde los nuggets de pollo están esparcidos sobre una mesa. El robot los recoge y los deposita en cajas de plástico con velocidad e improvisación casi humanas: a veces los coloca con cuidado, otras los lanza suavemente cuando la distancia es mayor. Esta habilidad para manipular alimentos, un dominio históricamente dependiente de la mano humana por la variabilidad de los objetos, sugiere que la empresa está acercándose a una verdadera inteligencia física.

Los fundadores afirman haber desarrollado pinzas con sentido del tacto y un algoritmo de visión‑fuerza‑acción que combina simulaciones de articulaciones, motores y principios físicos como masa e inercia. Este modelo permite al robot predecir cómo el movimiento afecta a los píxeles de una cámara y cómo el peso influye en la interacción con los objetos.

La visión de Eka es ambiciosa: no solo buscan igualar la destreza humana, sino superarla. “Para nosotros, el objetivo es sobrehumano”, declara Agrawal. La empresa cree que, al entrenar a sus robots en entornos simulados y permitirles descubrir soluciones por sí mismos, pueden alcanzar una capacidad de adaptación que supera a los sistemas entrenados exclusivamente con datos humanos.

Tras varias horas observando a los robots de Eka, concluí que la combinación de simulación realista, sensores táctiles avanzados y algoritmos de aprendizaje autónomo está sentando las bases para una nueva generación de manipuladores. Si bien aún queda mucho por demostrar, las pruebas en el laboratorio de Cambridge indican que la inteligencia física que hoy parece casi sci‑fi está cada vez más cerca de convertirse en una herramienta cotidiana en fábricas, tiendas, restaurantes e incluso hogares.

Mira tambien: