No es ciencia ficción ni una escena de Alien, y es que los exoesqueletos impulsados por inteligencia artificial ya están dejando de ser prototipos de laboratorio para convertirse en una realidad.

Unos investigadores de Georgia Tech han logrado acelerar el entrenamiento de estos dispositivos robóticos portátiles, abriendo la puerta a que personas con movilidad reducida puedan contar con asistencia práctica y eficaz en su día a día.

El reto de entrenar los exoesqueletos

Pero para crear estos dispositivos robóticos portátiles útiles que puedan ayudar a pacientes con ictus o amputaciones, es necesario entrenar los sistemas informáticos que los controlan.

Este proceso requiere mucho tiempo, dinero y laboratorios especializados para recopilar grandes cantidades de datos humanos.

Incluso cuando los ingenieros cuentan con un dispositivo y un cerebro funcionales, denominados controlador, los cambios y mejoras en el sistema del exoesqueleto suelen implicar volver a recopilar datos y entrenar desde cero.

Esto lo hacía costoso y prácticamente inviable en el mundo real.

Pero gracias a la evolución tecnológica, esto ahora ya no es así, gracias a los ingenieros e informáticos de Georgia Tech.

Ellos son los protagonistas de la creación de esta herramienta de IA, capaz de convertir grandes cantidades de datos existentes sobre cómo se mueve la gente en controladores funcionales para exoesqueletos.

Y todo esto sin necesidad de recopilar datos nuevos ni invertir horas adicionales en el laboratorio.

Dando lugar a una especie de cerebro para exoesqueleto, capaz de brindar asistencia significativa en movimientos de cadera y rodilla, con un rendimiento comparable al de los mejores controladores actuales.

"Supone una mejora de eficiencia enorme en términos de investigación. Pero lo que me parece especialmente emocionante es su impacto en el mundo real", explicó Aaron Young, profesor asociado de Ingeniería Mecánica en Georgia Tech.

Un modelo que potencia el esfuerzo humano

Los investigadores probaron su enfoque con un exoesqueleto de miembros inferiores, es decir, de las piernas, empleando datos existentes sobre cómo se mueven las personas.

El estudio fue dirigido por Keaton Scherpereel, junto a Young y Omer Inan, con colaboración de Matthew Gombolay, cuyo equipo desarrolló el sistema de IA que hizo posible el avance.

La clave fue utilizar un tipo de IA llamada CycleGAN, capaz de relacionar datos de personas moviéndose sin exoesqueletos con cómo se moverían usando uno.

Así, el sistema calcula cuánta asistencia robótica es necesaria y ofrece la respuesta adecuada a la cadera y la rodilla.

Young comparó la técnica con un traductor, que toma información en un "idioma" y la convierte en datos que cualquier robot puede entender.

El modelo no predice lo que el usuario intenta hacer, sino que detecta cómo se mueven sus articulaciones y cuánto esfuerzo realiza, potenciando esos movimientos hasta en un 20 %.

"Esto tiene el potencial de aumentar la velocidad y el número de investigadores que pueden trabajar en este campo. Y con esa combinación, quién sabe qué cosas increíbles se pueden construir sobre esta base", señaló Scherpereel.

El objetivo de este proyecto es muy prometedor, y es que estos avances podrían aplicarse a prótesis, extremidades superiores e incluso robots autónomos, acercando la ciencia ficción a la vida cotidiana.