Para una persona, el tacto es puro instinto: nadie calcula la fuerza exacta que necesita para sostener una taza o abrir una puerta. Para un robot, en cambio, esa sensibilidad ha sido siempre un problema, y más todavía en los llamados robots blandos, esas máquinas flexibles pensadas para moverse con delicadeza.
Dotarlos de tacto obligaba hasta ahora a pegarles sensores externos que los volvían más pesados y rígidos, justo lo contrario de lo que se busca. Un equipo de la Universidad de Inteligencia Artificial Mohamed bin Zayed (MBZUAI), en Abu Dabi, propone otra vía: que el robot sienta a través de sus propios motores, sin añadir un solo sensor.
La idea, del grupo que lidera Ke Wu, parte de una observación sencilla: cuando un robot toca algo, la corriente eléctrica que alimenta sus motores cambia. Leer esas fluctuaciones equivale a darle sentido del tacto. El trabajo se presentó en ICRA 2026, el gran congreso de robótica, celebrado este junio en Viena.
«La corriente no es solo un elemento de control: también aporta una señal sobre si el robot está tocando algo».
Ke Wu, profesor visitante de robótica en MBZUAI
¿En qué consiste?
La investigación se apoya en SpiRob, un robot continuo con forma de espiral. En lugar de articulaciones rígidas, se mueve gracias a unos tendones que recorren su cuerpo flexible y que unos tornos, accionados por motores de corriente continua, tensan y aflojan. Cuando el robot se topa con un objeto, esa resistencia altera la carga del conjunto motor y tendón, y con ella el patrón de la corriente.
El equipo modela a la vez tres dinámicas: la eléctrica del motor, que relaciona voltaje y par; la del motor y el torno, que convierte el giro en tensión del tendón; y la del propio cuerpo, que describe cómo se dobla. Al combinarlas, el sistema distingue el movimiento libre en el aire de las desviaciones que provoca un contacto real, y usa la propia corriente como si fuera un sensor.
Qué gana la robótica blanda
Percibir el entorno con señales internas cambia el modo en que estas máquinas pueden trabajar fuera del laboratorio. Frente a la visión por computador, que falla en la oscuridad, o a los sensores físicos, que se rompen o estorban, el robot se apoya en su propia propiocepción para notar lo que le rodea. Es una ventaja directa en entornos domésticos o de trato con personas, donde el contacto con cuerpos y objetos frágiles es constante.
El sistema ofrece tres funciones. En modo pasivo, identifica si algo lo toca y en qué punto exacto, aprovechando que su rigidez varía de la base a la punta. En modo activo, cuando se despliega y su extremo choca con un obstáculo, detecta el pico de corriente y ordena un repliegue inmediato para no dañarse, una reacción que se mantuvo fiable en distintos puntos de contacto y que dio el salto de la simulación al robot real. Y con un método de aprendizaje por conjuntos (ensemble learning) estima el tamaño de lo que rodea: en las pruebas, SpiRob calculó diámetros de cilindros de entre 10 y 70 milímetros con un error de apenas 4 milímetros, y lo hizo tras entrenarse con solo 35 ejemplos, una eficiencia notable cuando los datos escasean.
Quién firma el trabajo
El estudio se ha publicado en IEEE Robotics and Automation Letters y lo firman, junto a Wu, investigadores como Ibrahim Alsarraj, Yuhao Wang y Cesare Stefanini. En MBZUAI, con sede en Abu Dabi, coincide además un nombre de peso de la disciplina: Daniela Rus, directora del laboratorio CSAIL del MIT y miembro de la junta de la universidad, que participó en los talleres sobre IA y robótica blanda organizados alrededor de ICRA.
Hacia dónde va
El avance encaja en un cambio de fondo. La robótica blanda se ocupaba hasta hace poco de tareas básicas, seguir una trayectoria o agarrar un objeto bajo control humano, pero la IA está empezando a darles autonomía para decidir e interpretar situaciones por su cuenta.
A más largo plazo, muchos investigadores prevén una convergencia entre los dos mundos de la robótica: los robots rígidos, veloces, fuertes y precisos en tareas repetitivas, y los blandos, más seguros y adaptables en entornos imprevisibles. Métodos como los modelos de mundo, que aprenden cómo responde el entorno a cada acción, apuntan a robots capaces de razonar sobre cómo manipular algo que nunca han visto. La novedad de fondo es que aquí la IA no se limita a ser el cerebro del robot: se mete en su cuerpo para darle sentidos.
