NoticiasDeIA
RobóticaNoticia

Un robot humanoide aprende a patinar sin imitar a humanos

Investigadores de la VU Amsterdam entrenan al robot K1 en simulación con aprendizaje por refuerzo: patina sin demostraciones humanas, aunque con limitaciones.

Redacción de NoticiasDeIAPublicado el Hecho ocurrido el 19 de noviembre de 20265 min de lectura
Compartir
Portada sobre el robot humanoide que aprende a patinar en simulación mediante aprendizaje por refuerzo
Portada sobre el robot humanoide que aprende a patinar en simulación mediante aprendizaje por refuerzo
Qué se sabe y qué no. Distingue lo anunciado oficialmente de lo filtrado, especulado o todavía no confirmado. Las afirmaciones inciertas se marcan como tales en el texto.
Ver criterio de lectura

Este artículo distingue tres niveles de confirmación: primario(documento original o comunicado verificado), secundario(datos contrastados con al menos una fuente independiente) y inconcluso(afirmación pendiente de confirmación o que no ha sido replicada).

Un robot humanoide ha aprendido a patinar sin que nadie le enseñe cómo: sin vídeos de personas patinando, sin captura de movimiento y sin una trayectoria de referencia que imitar. El resultado lo firman Ganeshvar Soenessardien, Michael Przystupa y Kevin Sebastian Luck, del Departamento de Inteligencia Artificial de la Vrije Universiteit Amsterdam, en un artículo publicado el 19 de noviembre en arXiv y aceptado en Humanoids 2026, la 25.ª Conferencia Internacional de Robots Humanoides de IEEE-RAS. Con un matiz decisivo: todo ocurre en simulación. El robot aún no ha subido a una tabla real.

Qué ha conseguido el equipo

El protagonista es el K1 de Booster Robotics, un humanoide de investigación de unos 95 centímetros y 19,5 kilogramos con 22 grados de libertad, según la ficha del fabricante. La tarea consiste en mantener un pie sobre una tabla, empujar con el otro contra el suelo y avanzar sin caerse. No es un monopatín convencional, sino una tabla de transporte de cuatro ruedas locas. Carece de ejes de dirección y de kingpin, así que inclinar el cuerpo no gira las ruedas: el robot solo puede avanzar en línea recta.

El equipo entrenó la política en el simulador MuJoCo, con el marco mjlab, que paraleliza entornos en GPU. El algoritmo es PPO, una técnica de aprendizaje por refuerzo habitual en locomoción. Todo el entrenamiento se hizo en una única estación de trabajo de consumo. Las órdenes de velocidad se sortearon entre 0,2 y 0,6 metros por segundo, siempre en línea recta. Además, los autores randomizaron masas, fricciones y ganancias de los motores, una técnica que prepara el terreno para un eventual salto al robot físico.

Patinar sin espejo donde mirarse

La mayoría de los sistemas que han logrado patinaje en humanoides inyectan una referencia de movimiento. El caso más directo es HUSKY, que hizo patinar a un Unitree G1 real con empujes, giros y transiciones entre fases. Ese sistema aprende el estilo de empuje a partir de demostraciones humanas, usa un modelo analítico de la dirección por inclinación y planifica las transiciones. Sus autores identificaron además la física de la tabla real para trasladar la política del simulador al robot.

Tampoco es el primer trabajo sin referencias: el humanoide SKATER, de la Universidad de Ciencia y Tecnología de China, aprendió a deslizarse con ruedas en los pies sin demostraciones y sí se probó sobre hardware real. La diferencia aquí es el punto de partida. Los autores eliminan toda referencia de movimiento: ni captura de movimiento, ni secuencias de posturas objetivo, ni recompensas que premien parecerse a un humano patinando. Se preguntan qué emerge solo con la recompensa de la tarea. Lo describen como un suelo de lo que puede lograrse con supervisión mínima, y como una forma de medir cuánto aportan las referencias humanas al estilo del movimiento.

El truco: terminar la partida cuando el robot hace trampa

Sin una referencia que imitar, la recompensa admite soluciones degeneradas. Un robot puede quedarse quieto con los dos pies sobre la tabla y dejar que ruede, darle una patada para lanzarla lejos, girar sobre sí mismo o arrastrarse agachado. Todas esas conductas suman puntos sin parecerse al patinaje.

La solución del equipo combina una pila de recompensas con terminaciones tempranas que bloquean esos atajos. El episodio se corta, por ejemplo, si el pie de apoyo se desplaza más de cinco centímetros sobre la tabla, si ambos pies acaban sobre ella o si el giro entre cuerpo y tabla supera 0,4 radianes. También lo cortan un tronco por debajo de 40 centímetros, una separación de más de 0,7 metros entre robot y tabla, una tabla que vuelca, un giro descontrolado o una caída. Las recompensas, por su parte, premian el avance conjunto de tabla y tronco, la verticalidad y una altura de unos 0,55 metros. Y penalizan quedarse parado sobre la tabla o moverse hacia atrás.

Lo interesante es lo que ocurre durante el entrenamiento. Al principio dominan los fallos de postura: el pie que se despega, el cuerpo que se tuerce. Cuando la política aprende a mantenerse plantada, esos fallos desaparecen y el problema pasa a ser de locomoción: la tabla se sale del recorrido o el episodio llega a su límite de tiempo. Esa sucesión de fallos dominantes crea un currículo implícito, de la postura al desplazamiento, sin cambiar el entorno ni añadir fases de entrenamiento.

Los números, con letra pequeña

Los autores entrenaron tres semillas independientes y reportan medias con desviación típica. Al final del entrenamiento, la tabla avanza a 0,270 ± 0,087 metros por segundo, menos de un kilómetro por hora. El tronco se mueve a 0,308 ± 0,095 metros por segundo, en paralelo con la tabla: el robot viaja con ella, no la lanza. La postura de un pie en la tabla y el otro cerca del suelo, que los autores llaman XOR, se mantiene el 97,6 % del tiempo. Los episodios duran de media unos 499 pasos de control, unos diez segundos, frente a un máximo de veinte.

La letra pequeña importa. Primero, el estilo: el pie que empuja se mueve bajo, casi sin despegarse del suelo, en lugar de recuperar la posición con un balanceo fluido. Los autores lo atribuyen en parte a una recompensa que premia mantener el pie bajo, pero reconocen que no hicieron la ablación necesaria para confirmarlo. Segundo, las terminaciones tampoco se ablacionaron una a una, así que su contribución individual queda como hipótesis. Tercero, solo tres semillas y una varianza notable entre ellas: la precisión estadística es limitada, y los propios autores lo señalan como una carencia del estudio.

Por qué importa y qué queda pendiente

Caminar y correr sobre suelo estático está cada vez más resuelto en humanoides. El siguiente frente es la locomoción mediada por objetos: empujar un carrito, montar un patinete o apoyarse en un andador. En todos esos casos el objeto acumula inercia, introduce su propia dinámica de contacto y puede fallar de formas que el robot no controla del todo. Patinar es un banco de pruebas exigente de esa familia de habilidades, y este trabajo demuestra que la función puede emerger sin demostraciones humanas.

También aporta una lección de diseño: las terminaciones que bloquean atajos son una herramienta útil para dirigir el aprendizaje cuando no hay una referencia de movimiento. Y ofrece un contraste honesto con los sistemas que sí usan referencias: sin ellas aparece el patinaje funcional, pero no el estilo natural. Para los equipos que construyen humanoides, es una medida empírica de lo que valen los datos de movimiento humano.

Queda mucho por hacer. El resultado es solo en simulación, sobre una tabla sin dirección y con una única fase de empuje. Los autores planean estudiar el salto al hardware real, probar con un monopatín modelado con ejes de dirección y hacer las ablaciones que faltan. Hasta entonces, el robot que patina sin maestro existe, pero solo dentro del simulador.

Fuentes consultadas

Se conservan las referencias para poder reconstruir cómo se verificó esta información.

Publicación de origen: https://arxiv.org/abs/2611.26054v1

¿Ves un error? Escríbenos indicando el dato concreto y la fuente que lo contradice. Las correcciones se aplican en la propia página y se reflejan en la fecha de actualización. Contactar con la redacción.

Sigue leyendo

investigaciónExplicador

Qué es el aprendizaje por refuerzo y cómo funciona

Aprendizaje por refuerzo: un agente aprende acciones mediante recompensas y penalizaciones en un entorno. Se aplica a robots, juegos, asistentes y optimización de sistemas. Diferencia entre aprendizaje supervisado, no supervisado y por refuerzo.