Conoce a Cheetah-Cub: El nuevo robot guepardo

El creciente interés en los cuadrúpedos en los últimos años ha conducido al desarrollo de varios proyectos nuevos e interesantes, basados en el guepardo. Uno de estos es Cheetah-Cub (guepardo joven), un robot cuadrúpedo desarrollado en el laboratorio de biorobótica de la EPFL (Escuela Politécnica Federal de Lausana).

Para poner Cheetah-Cub en movimiento, el equipo de la EPFL se asoció con investigadores del Instituto Italiano de Tecnología (IIT), que han logrado recientemente, transmitir la locomoción al robot.

El robot Cheetah Cub pesa sólo 1,1 kg (2,4 libras) y tiene el tamaño de un gato doméstico. Es potenciado por servomotores Kondo KRS2350. Es un robot obediente que, al igual que COMAN, el robot humanoide, forma parte del proyecto AMARSI (Arquitecturas Modulares Adaptables para Habilidades Motoras Complejas), que tiene por objeto mejorar la riqueza biológica de las habilidades motoras robóticas.

Desarrollar modos de caminar (gaits) para robots de múltiples patas, suele ser complicado. Para resolver el problema, muchos robots usan una simple red neuronal llamada Generador Central de Patrones o GPC, para producir el movimiento rítmico de las patas. El objetivo es obtener patrones de locomoción robustos que muestren patrones cíclicos estables que puedan resistir las perturbaciones. La robustez se obtiene al proporcionar retroalimentación al CPG de los sensores en las piernas o en los pies del robot, para compensar las irregularidades y los obstáculos en el suelo.

En los últimos años, los investigadores han desarrollado un sistema que supera al CPG. Son con los denominados Movimientos Cinemáticos Primitivos (kMPs).  Los kMPs observados en los animales se pueden modelizar, y luego adaptarlos a robots con el mismo número de extremidades. Un ejemplo lo tenemos en el robot COMAN, que obtuvo sus modos de andar (gaits) a partir de los kMPs obtenidos a partir de datos de la marcha humana.

Para Cheetah-Cub, el equipo del IIT, utilizó los datos de captura de movimiento realizados por la empresa británica Impulse Kinetic. Se modelizaron los movimientos de un caballo, su caminar, su trote y su galope. Se utilizó un caballo y no un guepardo, debido a las limitaciones del robot (los guepardos o chitas corren a 110Km/h), pero en el fondo, el principio es el mismo.

Los investigadores extrajeron cuatro kMPs partir de los datos, creando cortos ciclos de marcha secuencial para cada uno. Sorprendentemente, descubrieron que sólo había una diferencia de 3 por ciento entre ellos, explicando que “una posible interpretación sería que los kMPs extraídos del paso, del trote y del galope del caballo, de hecho, eran el mismo conjunto de kMPs, que en conjunto eran suficientes para obtener los tres diferentes tipos de marcha (gaits)”.

Aunque una sola kMP puede estar en el corazón de cada gait, generar un galope a partir de un modo de marcha, no es posible si no se sabe qué valores introducir en la ecuación.

Para superar este problema, el equipo utilizó algunas transformaciones matemáticas para adaptar cada uno de los gaits al robot separadamente, teniendo en cuenta las diferencias entre el tamaño y el rango de movimiento del caballo y del robot.

En los experimentos, Cheetah-Cub caminaba a una velocidad de 0,43 metros por segundo, y trotaba a 0,59 m/s. El equipo también desarrolló las transiciones entre la caminata y trote, que permitían al robot acelerar o frenar suavemente.

Desafortunadamente, el gait de galope no fue exitoso. Esto se debe a que los mamíferos flexionan la columna vertebral cuando corren a gran velocidad, mientras que el robot Cheetah Cub tiene un tronco rígido (un tronco flexible se encuentra actualmente en desarrollo). Como resultado, los pies del robot se deslizan durante el gait de galope.

Este trabajo de investigación nos muestra, que es posible capturar los movimientos de un animal y adaptarlos a un robot. Será interesante ver al robot Cheetah-Cup imitar el galope veloz de un guepardo sin resbalar, una vez que se haya logrado implementarle una columna vertebral flexible.