Tabla de contenido
Cómo caminan los robots: así eligen dónde pisar
Cómo caminan los robots, explicado por la decisión que más importa: dónde poner el siguiente pie. Las tres pruebas que debe pasar cada paso y qué todavía falla.
Caminar parece continuo y no lo es. Un robot con patas toma una decisión discreta varias veces por segundo: de todos los lugares donde ese pie podría aterrizar, ¿cuál? Entender cómo caminan los robots empieza justo ahí, porque la selección del paso es donde la geometría, la fricción y el impulso tienen que estar de acuerdo al mismo tiempo. Equivócate tres centímetros y el robot o se trastabilla o se pasa de su propio centro de masa y se va al piso. Un niño de año y medio resuelve esto con práctica. Los ingenieros llevan trabajándolo desde los años setenta y sigue siendo donde los robots con patas fallan.
Puntos clave
- Cada paso candidato tiene que pasar tres pruebas a la vez: alcance cinemático, validez del contacto y corrección dinámica. Fallar una sola tira al robot.
- La prueba dinámica es la contraintuitiva. Un robot no pisa donde quiere ir: pisa donde el paso va a cancelar el impulso que ya tiene.
- Casi ningún robot con patas carga un modelo 3D del mundo. Carga un mapa de elevación en 2.5D: un valor de altura por celda. Es barato y funciona para escaleras, escombros y lomas.
- Los controladores aprendidos ya superan a los ajustados a mano en terreno difícil. Miki y colegas, en Science Robotics (enero de 2022), entrenaron un cuadrúpedo cuyo controlador completó una ruta de montaña alpina dentro del tiempo humano publicado.
- La falla honesta es de percepción, no de control. Ese mismo artículo señala que la percepción de profundidad se degrada con iluminación difícil, polvo, niebla y superficies reflejantes o transparentes, y la solución fue enseñarle al robot a confiar en sus articulaciones cuando los ojos le mienten.
Prueba uno: ¿la pata puede llegar ahí?
El alcance cinemático pregunta si existe una configuración de articulaciones que ponga el pie en un punto dado, sin pasarse de ningún límite ni chocar con el propio cuerpo del robot.
Suena trivial y no lo es. Una pata tiene un espacio de trabajo con forma de cáscara curva, no de esfera, y esa cáscara se mueve con el cuerpo. Un punto a 40 centímetros adelante puede ser alcanzable con las caderas bajas y dejar de serlo una décima de segundo después, cuando ya subieron. Así que el alcance se evalúa contra dónde estará el cuerpo al momento del contacto, no dónde está ahora. El robot está resolviendo para un objetivo en el futuro.
Hay también una restricción de autocolisión que produce ese andar de pasos altos que ves cuando un robot cruza escombros: la pata que se mueve tiene que recorrer un camino que no roce la pata de apoyo, el cuerpo, ni el obstáculo que está pasando. Eso es un problema de trayectoria, no solo de punto final.
Prueba dos: ¿el suelo va a aguantar?
La validez del contacto pregunta si la superficie en ese punto puede entregar la fuerza que el robot necesita sin resbalar ni romperse.
Se revisan tres cosas. ¿Es sólido? Una capa de grava suelta y una placa de hielo delgada se ven igual para una cámara de profundidad. ¿Es lo bastante grande? Un pie necesita un parche, y el borde de un escalón es un lugar terrible para aterrizar porque media planta queda al aire. ¿Hay suficiente fricción? La fuerza que el robot quiere aplicar tiene que quedarse dentro de lo que los ingenieros llaman el cono de fricción: si empujas demasiado de lado respecto a lo que empujas hacia abajo, el pie patina.
El problema de medición es real. Las superficies delgadas, brillantes, transparentes y polvorientas derrotan a los sensores de profundidad, y esa es exactamente la lista del artículo de Miki y colegas de 2022 en Science Robotics. Por eso su controlador usó un codificador recurrente con atención para mezclar datos de cámara con propiocepción, el sentido que el robot tiene de sus propias articulaciones y fuerzas. Lo interesante es el comportamiento aprendido: el controlador aprendió cuándo dejar de creerle a la cámara y caminar por tacto. Cualquiera que haya bajado una escalera sin luz corrió la misma política. El lado de los sensores lo desarrollamos en cómo perciben el ambiente los robots.
Prueba tres: ¿el paso arregla el impulso?
Esta es la prueba que sorprende, y es el corazón de la locomoción robótica.
Imagina a una persona inclinándose hacia adelante hasta tener que atajarse. ¿Dónde pone el pie? No debajo del cuerpo: adelante, más allá de la inclinación, en el lugar donde plantarlo va a detener la caída. Si lo pone debajo de su centro de masa, sigue cayendo. El paso hacia adelante convierte el impulso horizontal en una rotación alrededor del nuevo contacto, y eso le va quitando impulso.
Los ingenieros formalizan esto con modelos simplificados. Trata al robot como una masa puntual sobre una pata sin masa (el péndulo invertido lineal) y puedes calcular, en forma cerrada, el punto donde un paso dejaría al sistema en reposo. A variantes de esa cantidad se les llama punto de captura o componente divergente del movimiento. Después un controlador de cuerpo completo calcula todos los torques de articulación necesarios para llevar el pie allá manteniendo el torso erguido y los brazos fuera del camino.
Así que el ciclo real de decisión es: estimar mi impulso actual, calcular dónde tendría que caer un pie para neutralizarlo, revisar si ese lugar es alcanzable y sólido, y si no, elegir el mejor compromiso y planear recuperarme en el paso siguiente. Varias veces por segundo. Siempre.
Cómo enseñarle esto a tu hijo
Todos estos conceptos están disponibles en una vereda.
De 5 a 8 años
Dibuja con tiza una fila de círculos con separación irregular. Que tu hijo la cruce sin fallar. Después corre un círculo apenas fuera de alcance cómodo y mira qué hace su cuerpo: se agacha, tira un brazo, o acorta el paso anterior. Ponle nombre: “cambiaste el paso antes del difícil”. Eso es planificación de pasos con horizonte, y lo acaba de hacer sin que nadie se lo explicara.
Luego lo de inclinarse: de pie con los pies juntos, inclinarse despacio hasta que un pie salga disparado. Pregúntale si cayó debajo de él o adelante. Siempre adelante. Pregúntale por qué.
De 9 a 12 años
Pon un zapato sobre una tabla lisa e inclina la tabla despacio hasta que el zapato resbale. Marca el ángulo. Repítanlo con otro zapato, con la tabla mojada, con una toalla. Acaba de medir un límite de fricción, que es lo que decide si el pie de un robot aguanta. Después la pregunta real de ingeniería: ¿cómo sabría un robot el ángulo antes de pisar? Casi nunca puede, y por eso los robots pisan conservador.
De 13 en adelante
Dibujen una cuadrícula de 10 por 10 en papel. Que recorra un cuarto desordenado midiendo la altura de lo que haya en cada celda (piso, pata de silla, montón de libros) y escriba un número por celda. Después pídele que planee una ruta para un robot con altura máxima de paso de 15 centímetros. Y luego el golpe: pídele representar una mesa. Un solo valor de altura por celda no puede describir “hay una superficie a 75 centímetros y aire abajo”. Esa limitación es justo por qué un humanoide en barras colgantes es difícil, que vemos en equilibrio de robots humanoides en las barras.
La pregunta que debes hacer: “Si ya te vas cayendo hacia adelante, ¿pisas adelante de ti o debajo de ti? ¿Por qué?”
Planificación basada en modelo vs. política aprendida
| Planificación basada en modelo | Política aprendida (aprendizaje por refuerzo) | |
|---|---|---|
| Cómo se elige el paso | Resolviendo un modelo dinámico simplificado en línea | Una red neuronal mapea historial de sensores a objetivos de articulación |
| Dónde vive el conocimiento | En ecuaciones explícitas escritas por un ingeniero | En pesos entrenados sobre millones de pasos simulados |
| Fortaleza | Predecible, analizable, demostrable en casos limitados | Maneja mucho mejor la variedad de terreno y el ruido de sensores |
| Debilidad | Frágil cuando los supuestos del modelo se rompen | Difícil de verificar; puede fallar de formas no previstas |
| Necesidad de percepción | Un mapa de elevación limpio | Aprende a pesar percepción poco confiable contra propiocepción |
| Resultado demostrado | Décadas de caminata confiable en plano y escaleras | Ruta alpina dentro del tiempo humano (Miki y col., 2022) |
| Resultado en agilidad | Andares conservadores | 2 m/s sobre obstáculos consecutivos (ANYmal Parkour, 2023) |
| Estado de certificación | Más fácil de argumentar ante una autoridad de seguridad | Problema abierto |
Esa última fila importa más de lo que parece. Un controlador aprendido que funciona hermoso sigue siendo una función que nadie puede explicar por completo, y las autoridades de seguridad no tienen un marco establecido para aprobar una. El reporteo de IEEE Spectrum de septiembre de 2025 señaló que las nuevas normas ISO para robots con patas de equilibrio dinámico seguían en desarrollo, y Matt Powers, de Boston Dynamics, dijo que la empresa empezaría con despliegues de riesgo relativamente bajo y se expandiría a medida que ganara confianza.
¿Y en América Latina?
Los robots con patas no van a llegar a una casa de la región como producto de consumo. Pero hay dos aplicaciones donde la región es, de hecho, uno de los mercados naturales del mundo, y vale que tu hijo lo sepa porque cambia qué estudia.
La primera es inspección industrial en terreno malo. La minería del norte de Chile y del sur de Perú, las refinerías, las hidroeléctricas y las plantas de procesamiento tienen pasillos con rejillas, escaleras verticales, derrames y vibración. Un robot con ruedas no pasa por ahí; un robot con patas sí, y la inspección rutinaria (leer manómetros, buscar fugas, medir temperatura de rodamientos) es exactamente el tipo de tarea repetitiva y peligrosa que justifica el costo. Los robots cuadrúpedos industriales que existen hoy están construidos para eso, no para dar vueltas en el aire.
La segunda es búsqueda y rescate. La región convive con sismos en México, Chile y Perú, y con deslizamientos en Colombia, Centroamérica y los Andes. Después de un colapso, el terreno es escombro: superficies inclinadas, huecos, nada estable, y ninguna rueda sirve. Es el caso fundador de la robótica con patas, y la razón por la que se investiga desde los años setenta.
Hay un tercer punto, más cercano y más barato. Toda la parte difícil de este artículo se puede estudiar en simulación, y los simuladores de robótica de código abierto corren en una laptop modesta. Eso es importante en una región donde el hardware se encarece con importación y aranceles: un estudiante en Montevideo o en Guayaquil puede entrenar políticas de locomoción sin tener robot. El cuello de botella no es el equipo, es saber que se puede. El ejercicio de arranque clásico (hacer que una pata de dos eslabones equilibre una masa puntual) enseña la idea del punto de captura directo. Si tu hijo quiere construir con las manos, la ruta está en construir un robot en casa y en robots simples con materiales accesibles.
Qué observar en los próximos 3 meses
- Semana 4: Busca una tasa de éxito publicada en cualquier resultado de robot cruzando terreno: intentos contra completados. Los artículos académicos casi siempre la reportan; los videos de producto nunca. La distancia entre esas dos culturas es la mejor lección de alfabetización mediática que hay en robótica.
- Señales de alerta en el mes 2: Demostraciones de locomoción filmadas solo en interiores sobre piso uniforme, o editadas para que nunca veas un ciclo completo de marcha. También cualquier afirmación de “caminata a nivel humano” sin especificar el terreno, que por sí sola no significa nada.
- Autoevaluación del mes 3: ¿Tu hijo puede explicar por qué un robot pisa adelante de sí mismo cuando se va cayendo hacia adelante? Si sí, entendió la única idea no obvia de la locomoción con patas, y le va a durar años.
Preguntas frecuentes
¿Por qué los robots caminan con las rodillas dobladas?
Una pata completamente estirada es una singularidad cinemática: en extensión total no puede ajustar su longitud, así que pierde la capacidad de absorber o aplicar fuerza vertical con suavidad. Mantener una flexión conserva autoridad de control en las dos direcciones. Cuesta energía, por eso se ve raro y por eso sigue siendo tema de investigación.
¿Los robots planean más de un paso adelante?
Sí, y es necesario. El trabajo ANYmal Parkour de Hoeller y colegas (2023) usó una política de navegación de alto nivel que elegía entre habilidades jerárquicas (caminar, saltar, escalar, agacharse), que es planear con horizonte y no paso a paso. Planear con horizonte es lo que permite acortar un paso ahora para preparar uno largo después.
¿Caminar es más difícil que correr para un robot?
Caminar despacio es más difícil de lo que parece, porque en las fases lentas el robot tiene poco impulso con el cual trabajar y depende más del equilibrio estático preciso. Correr es difícil de otra manera: todo pasa más rápido y hay fases de vuelo sin ningún contacto. Ninguna de las dos es “fácil”.
¿Por qué no usan ruedas y ya?
Muchas veces deberían, y los mejores ingenieros lo dicen. Las ruedas son mucho más eficientes y no se pueden caer. Las patas solo ganan donde el terreno tiene escalones, huecos o escombros: escaleras, ruinas, bosques, obras. El robot asistencial Stretch de Hello Robot es con ruedas a propósito, como contamos en robots asistenciales en casa.
¿Cuál es la parte más grande sin resolver?
La confiabilidad de la percepción en malas condiciones, según la mayoría. La matemática de control está bien desarrollada. Saber si lo que tienes enfrente es un escalón sólido o una sombra sobre un charco, no, y es ahí donde los controladores aprendidos se ganan el sueldo aprendiendo a desconfiar de sus propias cámaras.
¿Un niño puede simular esto en casa?
Sí, con herramientas gratuitas. Los entornos físicos simples y los simuladores de robótica de código abierto corren en una laptop normal, y el ejercicio clásico de arranque (hacer que una pata de dos eslabones equilibre una masa puntual) enseña la idea del punto de captura de forma directa. Empieza chico: un péndulo antes de un bípedo.
Sobre el autor
Ricky Flores es el fundador de HiWave Makers e ingeniero eléctrico con más de 15 años de experiencia desarrollando tecnología de consumo en Apple, Samsung y Texas Instruments. Escribe sobre cómo los niños aprenden a construir, pensar y crear en un mundo saturado de tecnología. Lee más en hiwavemakers.com.
Fuentes
- Miki, T., Lee, J., Hwangbo, J., Wellhausen, L., Koltun, V. y Hutter, M. (2022). “Learning robust perceptive locomotion for quadrupedal robots in the wild.” Science Robotics, 7(62). https://arxiv.org/abs/2201.08117
- Hoeller, D., Rudin, N., Sako, D. y Hutter, M. (2023). “ANYmal Parkour: Learning Agile Navigation for Quadrupedal Robots.” https://arxiv.org/abs/2306.14874
- IEEE Spectrum. (11 de septiembre de 2026). “Video Friday: Humanoid Robot Takes On Monkey Bars.” https://spectrum.ieee.org/video-friday-disaster-response-robots
- Ackerman, E. (11 de septiembre de 2025). “Reality Is Ruining the Humanoid Robot Hype.” IEEE Spectrum. https://spectrum.ieee.org/humanoid-robot-scaling
- Ackerman, E. (15 de septiembre de 2026). “Digit 5 May Be the First Humanoid Robot Worker That’s Truly Safe.” IEEE Spectrum. https://spectrum.ieee.org/humanoid-robot-safety
- Occupational Safety and Health Administration. “Industrial Robot Systems and Industrial Robot System Safety.” OSHA Technical Manual, Sección 4, Capítulo 4. https://www.osha.gov/otm/section-4-safety-hazards/chapter-4
- Federación Internacional de Robótica. (24 de septiembre de 2026). “Five Million Robots now Operate in Factories Globally.” https://ifr.org/ifr-press-releases/news/five-million-robots-now-operate-in-factories-globally