Investigadores del MIT CSAIL combinaron GenAI y un motor de simulación física para perfeccionar los diseños de robots. El resultado: una máquina que superó en velocidad a un robot diseñado por humanos.
Los modelos de difusión, como DALL-E de OpenAI, son cada vez más útiles para generar ideas de nuevos diseños. Los humanos pueden inducir a estos sistemas a generar una imagen, crear un video o refinar un plano, y regresar con ideas que no habían considerado antes.
Pero ¿sabías que los modelos de inteligencia artificial generativa (GenAI) también están avanzando en la creación de robots funcionales? Enfoques recientes basados en la difusión han generado estructuras y los sistemas que las controlan desde cero. Con o sin la participación del usuario, estos modelos pueden crear nuevos diseños y evaluarlos en simulación antes de su fabricación.
Un nuevo enfoque del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT aplica esta tecnología generativa para mejorar los diseños robóticos humanos. Los usuarios pueden dibujar un modelo 3D de un robot y especificar qué partes desean que modifique un modelo de difusión, proporcionando sus dimensiones de antemano. A continuación, GenAI genera ideas sobre la forma óptima para estas áreas y prueba sus ideas en simulación. Cuando el sistema encuentra el diseño correcto, puedes guardar y luego fabricar un robot funcional y real con una impresora 3D, sin necesidad de ajustes adicionales.
Los investigadores utilizaron este enfoque para crear un robot que salta un promedio de aproximadamente 2 pies, o un 41 por ciento más alto que una máquina similar que crearon por su cuenta. Las máquinas son casi idénticas en apariencia: ambas están hechas de un tipo de plástico llamado ácido poliláctico, y aunque inicialmente parecen planas, se expanden en forma de diamante cuando un motor tira del cable conectado a ellas. Entonces, ¿qué exactamente hizo diferente la IA?
Un análisis más detallado revela que los enlaces generados por la IA son curvos y se asemejan a baquetas gruesas (el instrumento musical que usan los bateristas), mientras que las piezas de conexión del robot estándar son rectas y rectangulares.
Blobs cada vez mejores
Los investigadores comenzaron a perfeccionar su robot saltador probando 500 diseños potenciales utilizando un vector de incrustación inicial, una representación numérica que captura características de alto nivel para guiar los diseños generados por el modelo de IA. De estos, seleccionaron las 12 mejores opciones según su rendimiento en la simulación y las utilizaron para optimizar el vector de incrustación.
Este proceso se repitió cinco veces, guiando progresivamente al modelo de IA para generar mejores diseños. El diseño resultante se asemejaba a una mancha, por lo que los investigadores solicitaron a su sistema que escalara el borrador para ajustarlo a su modelo 3D. Luego fabricaron la forma y descubrieron que, efectivamente, mejoraba la capacidad de salto del robot.
La ventaja de utilizar modelos de difusión para esta tarea, según el coautor principal y posdoctorado de CSAIL, Byungchul Kim, es que pueden encontrar soluciones no convencionales para refinar los robots.
“Queríamos que nuestra máquina saltara más alto, así que pensamos que podríamos hacer los eslabones que conectan sus partes lo más delgados posible para que fueran más ligeros”, dice Kim. “Sin embargo, una estructura tan delgada puede romperse fácilmente si usamos material impreso en 3D. Nuestro modelo de difusión ofreció una idea mejor al sugerir una forma única que permitía al robot almacenar más energía antes de saltar, sin que los eslabones fueran demasiado delgados. Esta creatividad nos ayudó a comprender la física subyacente de la máquina”.
El equipo encargó a su sistema la tarea de diseñar un pie optimizado para garantizar un aterrizaje seguro. Repitieron el proceso de optimización y finalmente eligieron el diseño de mejor rendimiento para acoplarlo a la parte inferior de la máquina. Kim y sus colegas descubrieron que su máquina, diseñada con IA, se caía con mucha menos frecuencia que su modelo base, con una mejora del 84 %.
La capacidad del modelo de difusión para mejorar las habilidades de salto y aterrizaje de un robot sugiere que podría ser útil para optimizar el diseño de otras máquinas. Por ejemplo, una empresa dedicada a la fabricación de robots domésticos o de fabricación podría utilizar un enfoque similar para mejorar sus prototipos, ahorrando a los ingenieros tiempo que normalmente se dedica a iterar sobre esos cambios.
El equilibrio detrás del rebote
Para crear un robot capaz de saltar alto y aterrizar de forma estable, los investigadores reconocieron la necesidad de lograr un equilibrio entre ambos objetivos. Representaron la altura del salto y la tasa de éxito del aterrizaje como datos numéricos y, posteriormente, entrenaron su sistema para encontrar el equilibrio óptimo entre ambos vectores de incrustación que permitiera construir una estructura 3D óptima.
Los investigadores señalan que, si bien este robot asistido por IA superó a su homólogo diseñado por humanos, pronto podría alcanzar nuevas cotas. Esta iteración implicó el uso de materiales compatibles con una impresora 3D, pero las versiones futuras alcanzarían niveles aún más altos con materiales más ligeros.
El coautor principal y estudiante de doctorado del MIT CSAIL, Tsun-Hsuan “Johnson” Wang, afirma que el proyecto es un punto de partida para nuevos diseños robóticos en los que la IA generativa podría contribuir.
“Queremos expandirnos hacia objetivos más flexibles”, dice Wang. “Imagina usar lenguaje natural para guiar un modelo de difusión y diseñar un robot que pueda levantar una taza o manejar un taladro eléctrico”.
Kim afirma que un modelo de difusión también podría ayudar a generar articulación e idear cómo se conectan las piezas, lo que podría mejorar la altura de salto del robot. El equipo también está explorando la posibilidad de añadir más motores para controlar la dirección de salto de la máquina y, quizás, mejorar su estabilidad al aterrizar.
El trabajo de los investigadores fue financiado en parte por el programa Fronteras Emergentes en Investigación e Innovación de la Fundación Nacional de Ciencias, el programa Mens, Manus y Machina de la Alianza Singapur-MIT para la Investigación y la Tecnología, y la colaboración entre el Instituto de Ciencia y Tecnología de Gwangju (GIST) y CSAIL. Presentaron su trabajo en la Conferencia Internacional sobre Robótica y Automatización 2025. MIT News. A. S. Traducido al español
