Un equipo de la Universidad Northwestern usó inteligencia artificial para evolucionar planes corporales de robots dentro de una simulación física, luego ensambló físicamente los diseños con mejor desempeño y los soltó sobre grava, césped y raíces de árboles. El trabajo, publicado en los Proceedings of the National Academy of Sciences en marzo de 2026, representa un paso significativo más allá de demostraciones anteriores en banco de laboratorio, donde los robots diseñados por IA funcionaban únicamente sobre mesas planas. Al obligar a las máquinas evolucionadas a enfrentarse a un terreno exterior impredecible, los investigadores están probando si la evolución digital puede producir hardware lo bastante resistente para el mundo real.
Máquinas modulares construidas como Legos vivientes
Los robots de este estudio no son dispositivos de un solo propósito diseñados por ingenieros humanos. Se ensamblan a partir de módulos autónomos, cada uno con su propio motor, batería y ordenador a bordo. Piénselos como bloques de construcción motorizados que se encajan entre sí. Ningún bloque individual puede caminar por sí solo, pero cuando varios se combinan en la disposición adecuada, la locomoción coordinada emerge de sus interacciones. El equipo de investigación llama a estas creaciones “metamáquinas con patas”, una etiqueta que captura la idea central de que la inteligencia emerge cuando los módulos se combinan y coordinan colectivamente sus movimientos.
Este enfoque modular conlleva una ventaja práctica que la mayoría de los robots convencionales no tienen. Como cada unidad es autosuficiente, una pata dañada puede reemplazarse o todo el plan corporal puede reconfigurarse sin rediseñar la electrónica o el software de control desde cero. Esa flexibilidad es lo que hace tan atractiva la búsqueda evolutiva en simulación: el algoritmo puede explorar rápidamente miles de arreglos de módulos, descartando fracasos y promoviendo diseños que se mueven bien. En principio, el mismo inventario de piezas podría reconfigurarse en caminantes, reptadores o incluso máquinas trepadoras, dependiendo de lo que descubra el algoritmo.
Cómo la simulación impulsó el proceso de diseño
En lugar de ajustar manualmente el número de patas y los ángulos de las articulaciones, los investigadores dejaron que un algoritmo de optimización explorara un espacio de diseño comprimido de posibles configuraciones modulares. El proceso, descrito en el estudio revisado por pares, funciona codificando los planes corporales en una representación matemática compacta y luego puntuando cada candidato según su rendimiento de locomoción en simulación. A lo largo de muchas generaciones de selección, el algoritmo converge en morfologías que equilibran velocidad, estabilidad y consumo energético en terreno virtual, respetando a la vez las limitaciones impuestas por los módulos físicos.
Los diseños ganadores no eran lo que un ingeniero humano habría esbozado. El equipo seleccionó las mejores configuraciones de tres, cuatro y cinco patas para el ensamblaje físico. Aparecieron números impares de patas y disposiciones asimétricas porque el algoritmo optimizó puramente la función, sin estar constreñido por preferencias estéticas o convenciones de libro de texto. Esa disposición a explorar planes corporales extraños es precisamente lo que distingue al diseño evolutivo de la ingeniería tradicional, donde los diseñadores tienden a recurrir a la simetría bilateral y a plantillas familiares como cuadrúpedos o hexápodos.
Detrás de escena, el sistema se apoya en un simulador físico para aproximar cómo se moverán diferentes arreglos de módulos. Cada robot candidato se coloca en un entorno virtual y se le ordena caminar hacia adelante; los que tropiezan o desperdician energía se descartan, mientras que los que viajan más lejos o de manera más eficiente se seleccionan como “padres” para la siguiente generación. Según los autores, esta canalización puede evaluar y refinar miles de diseños mucho más rápido de lo que cualquier proceso de prueba y error basado en hardware podría lograr.
De mesas planas a terreno accidentado
Trabajos previos del mismo laboratorio ya habían mostrado que la IA podía diseñar robots funcionales en segundos con una GPU de consumo. Un estudio de 2023, también publicado en PNAS, demostró optimización estructural rápida que produjo máquinas caminantes funcionales casi al instante. Uno de esos diseños anteriores tenía tres patas y aletas traseras, una forma que ningún ingeniero habría propuesto. En ese momento, Sam Kriegman describió el resultado con crudeza: “Cuando la gente mira este robot, quizá vea un artilugio inútil. Yo veo el nacimiento de un organismo completamente nuevo.”
Pero esas máquinas anteriores caminaron sobre mesas lisas. La brecha entre una superficie de laboratorio controlada y un campo real de grava o un parche de raíces de árbol es enorme. El terreno irregular introduce fuerzas que las simulaciones sólo pueden aproximar, y los pequeños errores de modelado se acumulan con cada paso. El estudio de 2026 aborda directamente esa brecha. Kriegman y su equipo pusieron a prueba los robots ensamblados al aire libre en grava, césped y terrenos llenos de raíces de árboles, entornos donde la pisada nunca está garantizada y las fuerzas de contacto varían de forma impredecible de un paso a otro.
En los vídeos publicados con el trabajo, los robots se mueven con una marcha torpe pero efectiva, trepando sobre pequeños obstáculos y recuperándose de resbalones que harían caer a una máquina programada de forma más rígida. Las patas modulares se flexionan y reposicionan a medida que el cuerpo se inclina, lo que sugiere que los diseños evolucionados tienen al menos cierta tolerancia incorporada a las perturbaciones. Ese comportamiento no es resultado de un programador humano anticipando cada posible bache; emerge del proceso evolutivo que recompensó los diseños capaces de mantener el avance a pesar de dinámicas ruidosas.
Sobrevivir al daño sin reinicio
Uno de los resultados más llamativos es que estos robots sobreviven a daños severos y siguen avanzando. Debido a que cada módulo opera de forma semiindependiente, perder una pata no colapsa todo el sistema de control. Los módulos restantes redistribuyen su esfuerzo y continúan la locomoción, aunque con patrones de marcha alterados. Esto contrasta fuertemente con la mayoría de los robots comerciales, donde un solo actuador roto puede dejar inútil toda la plataforma hasta que un técnico intervenga para reparar o reiniciar el dispositivo.
Un preprint relacionado de Chen Yu y Sam Kriegman lleva esta idea más lejos. Ese trabajo explora controladores aprendidos en simulación que se adaptan cuando la propia morfología del robot cambia mediante lo que los autores llaman “autodestrucción cinemática”. En otras palabras, el robot puede desprender deliberadamente una extremidad dañada y su política de control se ajusta sobre la marcha. El preprint sugiere un futuro en el que los robots no sólo toleren el daño sino que se reconfiguren activamente en torno a él, tratando la falla estructural como otra variable a la que adaptarse en vez de como un evento terminal.
Esta línea de investigación encaja en un impulso institucional más amplio en Northwestern para explorar tecnologías resilientes y adaptativas. Las comunicaciones de los equipos de medios universitarios enfatizan aplicaciones como operaciones de búsqueda y rescate, exploración planetaria e inspección industrial en entornos peligrosos, escenarios donde el acceso humano es difícil y el terreno impredecible es la norma. En esos contextos, un robot que puede cojear hasta casa con tres patas después de perder la cuarta vale mucho más que uno que se desploma al primer signo de problema.
Lo que la brecha sim‑a‑real aún oculta
La cobertura de este trabajo ha hecho eco en gran medida del encuadre institucional, presentando las pruebas al aire libre como prueba de que los robots evolucionados están listos para su despliegue. Ese encuadre merece cierto escepticismo. Los resultados publicados demuestran locomoción en varios tipos de terreno natural, pero las fuentes no incluyen métricas de desempeño específicas como velocidad sostenida, consumo de energía por metro o capacidad de carga. Sin esos números, es difícil comparar estas metamáquinas con patas con robots con patas convencionales o evaluar si son realmente prácticas para el uso en campo más allá de demostraciones conceptuales.
Otra pregunta abierta es cuán robustos son los diseños ante variaciones ambientales más allá de los sitios de prueba. La grava y el césped representan un paso significativo respecto de las mesas, pero siguen siendo relativamente benignos comparados con lodo profundo, arena suelta o pendientes rocosas y empinadas. El simulador físico puede ampliarse para aproximar esas condiciones, pero cada nuevo dominio introduce incertidumbres que pueden ensanchar la brecha entre simulación y realidad. Si los robots evolucionados deben reoptimizare para cada tipo de terreno nuevo, la promesa de adaptabilidad de propósito general se vuelve más difícil de realizar.
También hay compensaciones de ingeniería bajo la arquitectura modular. Incrustar un motor, batería y procesador en cada bloque simplifica la reconfiguración y la tolerancia al daño, pero añade peso y complejidad en comparación con diseños centralizados. Los informes actuales no detallan cuánto tiempo pueden operar los robots con una carga, cuán fácilmente pueden fabricarse los módulos en masa o cómo escala el sistema a medida que crece el número de bloques. En enjambres grandes o cuerpos muy extensos, la sobrecarga de coordinación y la latencia en la comunicación podrían convertirse en cuellos de botella significativos.
Aun así, el arco más amplio es claro. Al evolucionar planes corporales en simulación y validarlos en el campo, el equipo de Northwestern está atacando uno de los desafíos centrales de la robótica: diseñar máquinas que puedan manejar el desorden del mundo real sin una ingeniería manual exhaustiva. Incluso si las metamáquinas con patas de hoy son más experimentales que desplegables, insinúan un futuro en el que la morfología robótica no está fijada en la mesa de dibujo sino que se descubre mediante búsqueda iterativa, de forma similar a como la evolución biológica descubrió patas, aletas y alas.
Si ese futuro llegará dependerá de la rapidez con que los investigadores puedan cerrar las brechas restantes de rendimiento y fiabilidad. Mejores simuladores, funciones de aptitud más ricas y controladores más sofisticados jugarán todos un papel. También lo harán ensayos de campo cuantitativos y cuidadosos que vayan más allá de vídeos evocadores hacia cifras concretas. Por ahora, sin embargo, la visión de robots evolucionados por IA trepando sobre raíces de árboles, torpes, resistentes e indudablemente “vivos” a su manera mecánica, marca un momento notable en el esfuerzo continuo por crear máquinas que puedan sobrevivir e incluso prosperar fuera del banco de laboratorio.
