Por Canuto  

El cuadrúpedo RAIBO2 completó el Maratón de Sangju, celebrado en 2024, en 4 horas, 19 minutos y 52 segundos con una sola carga de batería. El resultado, atribuido a mejoras en motores, peso y control de sus pasos, también deja en evidencia un límite: durante la carrera, un operador humano tuvo que guiar al robot a distancia.

***

  • RAIBO2 cubrió las 26,2 millas del recorrido en 4 horas, 19 minutos y 52 segundos, con una sola carga.
  • El equipo redujo pérdidas de energía en motores, electrónica, engranajes y pisadas; el robot recupera energía en descensos.
  • Aunque llevaba una cámara, RAIBO2 no interpretaba la carretera y necesitó que un operador lo dirigiera a distancia.

 

El robot cuadrúpedo RAIBO2 completó los 42,195 kilómetros del Maratón de Sangju, en Corea del Sur, en 4 horas, 19 minutos y 52 segundos, con una sola carga de batería.

El tiempo quedó ligeramente por delante del promedio humano, una comparación que pone de relieve tanto la resistencia de la máquina como la eficiencia que alcanzó su equipo de desarrollo. El resultado se describe en un estudio publicado en Nature y presentado por Scientific American el 23 de septiembre de 2026, aunque la carrera se celebró en noviembre de 2024. .

La prueba no consistió únicamente en mantener al robot en movimiento durante varias horas. El equipo buscó que RAIBO2 recorriera toda la distancia sin detenerse para recargar, un reto que obligó a revisar en qué partes del sistema se consume y se pierde energía. De acuerdo con el autor principal, Choongin Lee, roboticista del Instituto Avanzado de Ciencia y Tecnología de Corea (KAIST), la medida clave para evaluar la eficiencia es la energía utilizada por unidad de distancia.

Ese enfoque permite entender por qué la marca importa más allá de la llegada a la meta: el robot necesitó menos energía para transportar un kilogramo a lo largo de un metro que un corredor humano promedio. La comparación no significa que la máquina sea más rápida que una persona en cualquier contexto, sino que su consumo energético por esa unidad de peso y distancia resultó menor. El maratón funcionó así como una demostración práctica de mejoras en diseño y control.

Según el reporte, RAIBO2 habría recorrido aproximadamente tres veces más distancia por carga que otros robots cuadrúpedos, y su alcance proyectado se sitúa en alrededor de 40 millas. Esa cifra es una estimación de autonomía, mientras que los 42,195 kilómetros corresponden a la distancia efectivamente completada durante la prueba. Mantener separadas ambas medidas ayuda a distinguir el resultado observado de la capacidad que el equipo proyecta para el robot.

Cómo redujeron el gasto de energía

Lee y su equipo identificaron varios puntos de pérdida energética antes de modificar la máquina. Cerca de dos tercios del presupuesto de energía de un robot se disipan como calor en los motores y en la electrónica que los acciona, de acuerdo con el análisis citado en el artículo. El resto se relaciona con la fricción de los engranajes, el deslizamiento de los pies y el impacto de cada paso, factores que afectan el rendimiento durante una carrera prolongada.

Para responder a esas pérdidas, los investigadores redujeron el peso de cada pata y diseñaron placas de motor de baja resistencia. La masa liberada permitió incorporar una batería más grande, junto con motores capaces de producir el mismo par usando menos corriente. La estrategia combinó cambios en componentes distintos: aligerar una parte del robot abrió espacio para añadir capacidad energética sin limitarse a aumentar el tamaño de la batería.

El movimiento de RAIBO2 también se entrenó mediante simulaciones con aprendizaje por refuerzo. En ese proceso, el algoritmo de control recibía recompensas cuando apoyaba suavemente las patas, evitaba que resbalaran y prevenía el sobrecalentamiento; el objetivo era que cada paso contribuyera a conservar energía y estabilidad. El método muestra que la eficiencia no dependió solo del hardware, sino también de las decisiones de movimiento que el sistema aprendió a ejecutar.

Otra característica del diseño es la recuperación de energía durante los tramos descendentes, que permite recargar la batería mientras el robot baja. No se detallan en el material suministrado la cantidad de energía recuperada ni cuánto aportó al resultado final, por lo que el dato debe entenderse como una función del sistema y no como una explicación cuantificada de la autonomía. En conjunto, las mejoras abordaron motores, peso, pisadas y aprovechamiento del recorrido.

Una carrera con asistencia humana

La actuación despertó elogios de especialistas externos, aunque también permite distinguir entre resistencia física y autonomía operativa. Sarah Bergbreiter, ingeniera mecánica de la Universidad Carnegie Mellon que no participó en el estudio, dijo estar impresionada por la combinación de eficiencia, velocidad y movilidad del cuadrúpedo. Su valoración se refiere a las capacidades demostradas por RAIBO2, no a que el robot haya completado la carrera sin apoyo humano.

Katie Byl, ingeniera de la Universidad de California en Santa Bárbara y también ajena al trabajo, contrastó el resultado con robots humanoides vistos recientemente en competencias en China. Según señaló, esos robots necesitaron varios cambios de batería realizados por un equipo de apoyo que trotaba junto a ellos, algo que describió como un “equipo de boxes móvil”. La comparación subraya la diferencia entre completar un recorrido con recargas y hacerlo con una sola carga.

Sin embargo, RAIBO2 no corrió de manera plenamente autónoma. El robot llevaba una cámara, pero carecía de software para interpretar la carretera, por lo que un operador humano tuvo que guiarlo a distancia durante el maratón. Byl describió esa limitación diciendo que el robot “corre básicamente a ciegas”; la frase apunta a una carencia de percepción y navegación, no a la ausencia de una cámara a bordo.

Lee explicó que añadir autonomía puede aumentar el consumo energético, porque procesar información y tomar decisiones requiere capacidad de cómputo. Su equipo trabaja en redes y sensores a bordo más pequeños para ampliar las capacidades del robot sin provocar un gran incremento de energía, según indicó. El próximo desafío, por tanto, será equilibrar la navegación autónoma con la eficiencia que permitió completar esta carrera con una sola carga.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público

Este artículo fue escrito por un redactor de contenido de IA

 


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados