Los robots modernos son capaces de doblar ropa, ordenar salones o manejar electrodomésticos guiados únicamente por una cámara y unas instrucciones en lenguaje natural. Sin embargo, ese mismo robot fracasa ante algo tan cotidiano como enchufar un cable USB o girar una llave en una cerradura.
La razón es que la visión artificial, por sofisticada que sea, no puede reemplazar al tacto en tareas que exigen precisión milimétrica. Es una limitación conocida desde hace años, pero algo está cambiando en los laboratorios de todo el mundo.
Lo que la visión no puede resolver
Los modelos de visión-lenguaje-acción han transformado la robótica en pocos años. Entrenados con grandes volúmenes de imágenes, vídeo y texto, estos sistemas guían a los robots en tareas cotidianas cada vez más variadas. Pero hay un territorio donde siguen fallando: la manipulación fina. Objetos deformables, piezas pequeñas, agarres que exigen precisión milimétrica. La visión artificial muestra ahí sus límites con una claridad incómoda.
Trevor Darrell, profesor de informática en la Universidad de California en Berkeley, lo resume sin rodeos: «La mayoría de las tareas de destreza manual las puede realizar un humano con los ojos cerrados». El tacto proporciona información sobre fuerza, deslizamiento y presión que ninguna cámara puede capturar. Sin esa información, el robot actúa a ciegas precisamente en el momento más crítico.
El problema de los datos táctiles
El obstáculo no es solo técnico. Es, ante todo, un problema de datos. Los conjuntos de datos táctiles están muy por detrás de los grandes corpus visuales y lingüísticos que alimentan a los modelos actuales, y los pocos datos existentes son difíciles de compartir entre grupos de investigación.
Cada tipo de sensor táctil funciona con una física diferente: algunos miden cambios en la resistencia eléctrica; otros registran imágenes de un gel blando que se deforma al contacto. Esa diversidad obliga a que la investigación sea específica para cada hardware, y lo que aprende un sistema con un sensor rara vez resulta transferible a otro. El resultado es una fragmentación que frena el progreso colectivo del campo.
Nuevos modelos que combinan tacto y visión
Varios equipos están abordando este problema desde ángulos distintos. El grupo de Darrell en Berkeley desarrolló un sistema con dos submodelos especializados: uno para planificación de movimiento y otro táctil, que opera cuatro veces más rápido para poder corregir el agarre en tiempo real. El modelo se entrenó con 100 horas de datos táctiles de alta calidad y alcanzó un 65 % de éxito en 12 tareas complejas, casi el doble que el mejor modelo sin tacto.
En la Universidad del Sur de California, investigadores crearon un modelo capaz de inferir sensaciones táctiles a partir de datos visuales. El sistema aprendió asociaciones entre imágenes del gripper en contacto con objetos y la presión registrada por los sensores, lo que permite dotar a robots sin sensores táctiles de un rudimentario sentido del tacto. Útil, sobre todo, en tareas de contacto intenso.
La Universidad de Fudan y su spin-out NeoteAI han recopilado más de 30.000 horas de demostraciones con datos visuales y táctiles sincronizados. Su modelo no solo reacciona al tacto: predice activamente lo que el robot debería sentir para guiar y evaluar sus propias acciones.
Hacia conjuntos de datos a gran escala
Chengbo Yuan, estudiante de máster en la Universidad de Tsinghua, tomó otro camino. Agregó más de 3.000 horas de datos táctiles procedentes de conjuntos públicos, cubriendo 21 tipos de sensores distintos, y convirtió las salidas de cada sensor a un formato común proyectado sobre posiciones etiquetadas en una plantilla de mano humana.
El resultado fue un modelo agnóstico al hardware que demostró un rendimiento superior incluso con sensores que nunca había visto durante el entrenamiento. Yuan atribuye esto a que el modelo adquirió «una especie de sentido común táctil» gracias a la diversidad de los datos. Ahora lidera una colaboración de 80 instituciones para estandarizar la recogida de datos táctiles a mayor escala. NeoteAI estima, mientras tanto, que harían falta unas 100.000 horas de datos recogidos en entornos reales y variados para desbloquear nuevas capacidades.
Más datos no lo son todo: el reto de usarlos bien
Acumular datos no garantiza el éxito. Long Cheng, de la Academia China de Ciencias, señala un problema estructural: los modelos tienden a ignorar las señales táctiles porque son dispersas e intermitentes frente al flujo continuo de píxeles de la visión.
Su solución parte de una lógica precisa. El modelo predice lo que el robot debería sentir a partir de la visión y lo compara con el tacto real; cuando hay una discrepancia notable, esa señal sorpresiva se amplifica, y cuando es predecible, se suprime. En cinco tareas de contacto intenso, el enfoque logró un 62,8 % de éxito frente al 28,2 % sin tacto. Yuan va más lejos y sospecha que los algoritmos actuales pueden no ser suficientes para resolver tareas que son verdaderamente imposibles sin el sentido del tacto.
Qué vigilar en los próximos años
El campo atraviesa un momento de inflexión. Los primeros resultados muestran que más datos táctiles y mejores formas de procesarlos pueden dar a los robots un avance significativo en las tareas más difíciles. Quedan, eso sí, preguntas abiertas: cuántos datos son suficientes, qué arquitecturas son las adecuadas, cómo estandarizar sensores con físicas tan distintas.
La dirección, en cambio, parece más clara. La colaboración entre laboratorios académicos, startups y consorcios internacionales está ganando ritmo. Si los próximos años traen conjuntos de datos a escala real y algoritmos capaces de aprovecharlos, los robots podrían dar el salto que la visión artificial, por sí sola, no ha podido ofrecer.