El artículo, titulado “Collision-free robot navigation in confined and partially observable environments using spatial-memory deep reinforcement learning”, fue desarrollado en colaboración con investigadores de la Sungkyunkwan University de Corea del Sur, fortaleciendo los vínculos internacionales de investigación de la FIMCP.
El estudio aborda uno de los desafíos fundamentales de la robótica autónoma: lograr que los robots puedan desplazarse de manera segura en espacios reducidos o parcialmente observables, incluso cuando la información proporcionada por sus sensores es limitada.
Para enfrentar este desafío, los investigadores proponen un método basado en inteligencia artificial y aprendizaje profundo por refuerzo, incorporando además un mecanismo de memoria espacial. Esta combinación permite que el robot utilice información obtenida previamente para tomar mejores decisiones durante su desplazamiento.
A diferencia de un sistema que depende únicamente de la información que sus sensores captan en un momento determinado, la propuesta incorpora la capacidad de utilizar experiencias anteriores para interpretar el entorno. Esto resulta especialmente relevante cuando existen obstáculos, zonas que no pueden ser observadas directamente o limitaciones en la información disponible.
Uno de los aspectos destacados de la investigación es el aprendizaje a partir de los movimientos de las personas que se encuentran alrededor del robot. Al considerar estos patrones de movimiento, el sistema puede desarrollar estrategias que favorezcan una navegación más segura y reduzcan la posibilidad de colisiones.
Este enfoque adquiere importancia en escenarios donde robots y personas deben compartir un mismo espacio. En ambientes industriales, comerciales o de servicios, por ejemplo, los robots autónomos pueden encontrarse con individuos que se desplazan de manera impredecible, por lo que anticipar sus movimientos constituye un elemento importante para garantizar una interacción segura.
La incorporación de memoria espacial permite, además, que el robot aproveche información acumulada durante su recorrido. Esta característica puede ser especialmente útil en entornos confinados y parcialmente observables, donde las condiciones del espacio dificultan que los sensores proporcionen una visión completa del escenario.
La investigación integra así diferentes áreas de la ingeniería y la inteligencia artificial, combinando navegación autónoma, aprendizaje profundo por refuerzo, percepción del entorno y memoria espacial para abordar un problema concreto de la robótica moderna.
El desarrollo de sistemas capaces de aprender de la experiencia representa una evolución importante frente a los métodos tradicionales de navegación, ya que permite explorar robots con mayor capacidad para adaptarse a situaciones variables y responder ante escenarios que no necesariamente fueron completamente previstos durante su programación.
La colaboración con investigadores de Sungkyunkwan University también evidencia la importancia de la cooperación científica internacional para desarrollar soluciones en áreas tecnológicas de rápida evolución. Estos vínculos permiten compartir conocimientos y fortalecer las capacidades de investigación en campos como la robótica y la inteligencia artificial.
La publicación en una revista científica D1 representa además un aporte a la visibilidad internacional de la producción científica de la FIMCP y del trabajo desarrollado por sus investigadores.
Para la Facultad, investigaciones como esta reafirman el compromiso con el desarrollo de tecnologías capaces de responder a los nuevos desafíos de la automatización. La creación de robots que puedan desplazarse de manera autónoma, segura y adaptable constituye una línea de investigación con potencial de aplicación en diferentes sectores.
