En el marco de un estudio sobre cómo los mamíferos de cuatro patas aprenden a caminar tras nacer, unos robotistas han creado un robot cuadrúpedo, parecido a un perro, que ha aprendido por su cuenta a caminar tras ser activado. La idea era lograr un robot capaz de aprender de sus errores, tal como lo hacen esos animales recién nacidos. De los malos movimientos que conducen a una caída se puede aprender tanto o más que de los movimientos que permiten mantenerse en pie.

 

El robot protagonista de este experimento se llama Morti y la iniciativa es obra del equipo de Felix Ruppert y Alexander Badri-Spröwitz, del Instituto Max Planck de Sistemas Inteligentes en Stuttgart, Alemania.

 

Los animales como los que han inspirado el experimento con Morti nacen con redes de coordinación muscular situadas en su médula espinal. Sin embargo, el aprendizaje de la coordinación precisa de los músculos y tendones de las patas lleva algún tiempo.

 

Después de aprender a caminar en solo una hora, Morti hace un buen uso de la compleja mecánica de sus piernas.

 

Un algoritmo de optimización bayesiano guió el aprendizaje de Morti: la información de los sensores de los pies se combina con los datos sobre el objetivo a alcanzar gestionados en la médula espinal virtual que se ejecuta como un programa en el ordenador del robot. El robot aprendió a caminar comparando continuamente la información de los sensores enviada con la deseada, y readaptando sus patrones de control motor.

 

El algoritmo de aprendizaje adapta los parámetros de control de un Generador Central de Patrones (CPG, por sus siglas en inglés). En los seres humanos y en los animales, estos generadores centrales de patrones son redes de neuronas en la médula espinal que producen contracciones musculares periódicas sin la intervención del cerebro.