VOLVER

Share

Desarrollan una nueva generación de robots capaces de aprender cuándo actuar

Investigadores del Instituto de Investigación en Ingeniería Mecatrónica y Sistemas Ciberfísicos de la Universidad de Málaga (IMECH.UMA) han desarrollado un nuevo enfoque de inteligencia artificial que permite a los robots aprender no solo qué decisión tomar, sino también cuándo tomarla, incorporando el tiempo como un factor esencial en su proceso de aprendizaje.

Fuente: Universidad de Málaga

inteligencia artificial


Málaga |
24 de julio de 2026

Investigadores del Instituto de Investigación en Ingeniería Mecatrónica y Sistemas Ciberfísicos de la Universidad de Málaga (IMECH.UMA) han desarrollado un nuevo enfoque de inteligencia artificial que permite a los robots aprender no solo qué decisión tomar, sino también cuándo tomarla, incorporando el tiempo como un factor esencial en su proceso de aprendizaje.

El trabajo se desarrolla en el marco del proyecto TYRELL (Time in Reinforcement Learning for Robotics), financiado por el Ministerio de Ciencia, Innovación y Universidades, y aborda un aspecto habitualmente ignorado en el aprendizaje por refuerzo (Reinforcement Learning), una de las técnicas de inteligencia artificial más empleadas para dotar de autonomía a los robots.

En la mayoría de los sistemas actuales, los robots toman decisiones a intervalos de tiempo fijos. Sin embargo, el equipo del IMECH.UMA propone que esos intervalos se adapten dinámicamente a cada situación. «Al igual que una persona no necesita reaccionar con la misma frecuencia cuando conduce por una autopista que cuando maniobra para aparcar, un robot tampoco debería tomar decisiones siempre al mismo ritmo», explica el investigador principal del proyecto, Juan Antonio Fernández Madrigal.

En este sentido, explica que en la mayoría de los algoritmos de navegación existentes, los robots toman decisiones a intervalos de tiempo fijos definidos previamente por el diseñador del sistema. Sin embargo, tal y como explicaba Fernández Madrigal anteriormente, no todas las situaciones requieren el mismo nivel de atención. Por tanto, los investigadores sostienen que “en zonas con obstáculos o gran incertidumbre conviene reaccionar rápidamente, mientras que en otras el robot puede mantener una misma acción durante más tiempo, reduciendo el consumo energético y el esfuerzo computacional”.

Aprendizaje automático

“Nuestro robot aprende automáticamente cuándo necesita prestar mucha atención al entorno y cuándo puede mantener una acción durante más tiempo porque el riesgo es menor. Estos mapas reflejan esa intensidad temporal de la atención y permiten aprovechar mucho mejor el tiempo de cómputo, algo especialmente importante en robots de pequeño tamaño”, señala Adrián Bañuls Arias, primer autor del artículo e investigador predoctoral del proyecto.

Mapas del tiempo

Los investigadores han desarrollado los denominados ‘Mapas de Tiempo Subjetivo’ (Subjective Time Maps), una nueva representación del entorno que permite al robot aprender qué frecuencia de decisión resulta más adecuada en cada zona. De este modo, pueden reaccionar con rapidez en situaciones complejas y espaciar sus decisiones cuando el entorno es más favorable, mejorando simultáneamente la seguridad, la precisión de la navegación y la eficiencia energética y computacional.

El equipo, al completo. De izquierda a derecha, Vicente Arévalo, Juan Manuel Gandarias, Ana Cruz, Manuel Castellano y Juan Antonio Fernández Madrigal. Abajo, Adrián Bañuls y Cipriano Galindo.

Además de su interés científico, el proyecto apuesta por la ciencia abierta mediante la publicación de bibliotecas de software, simuladores y conjuntos de datos experimentales que facilitan la reproducción y validación de los resultados por otros grupos de investigación.

Los resultados más recientes de esta investigación han sido publicados en la revista internacional ‘Computer Modeling in Engineering & Sciences’, donde el equipo demuestra que este nuevo enfoque permite optimizar la navegación autónoma incluso cuando existen incertidumbres en la localización del robot o retrasos en las comunicaciones.

El proyecto TYRELL reúne a investigadores de la Universidad de Málaga, la Örebro University (Suecia) y la École Polytechnique Fédérale de Lausanne (EPFL) (Suiza), y estudia cómo la dimensión temporal puede mejorar el aprendizaje tanto en robots móviles como en manipuladores robóticos, con aplicaciones potenciales en logística, agricultura, inspección industrial, robótica de servicios o misiones de búsqueda y rescate.


Share

Últimas publicaciones

Diseñan láminas impresas en 3D para reducir hasta cuatro veces los daños de las fresas durante el transporte
Córdoba | 21 de noviembre de 2026

Un equipo de investigación de la Universidad de Córdoba ha desarrollado un recubrimiento plástico que amortigua las vibraciones y los impactos dentro del empaquetado. La solución disminuye los golpes que recibe el fruto tanto en ensayos de laboratorio como en recorridos reales en caminos rurales.

Sigue leyendo
Neuromarketing para analizar cómo los jóvenes procesan campañas de igualdad
Málaga | 20 de noviembre de 2026

¿Cómo reciben los menores y adolescentes los mensajes publicitarios que promueven la igualdad de género? ¿Es suficiente con despertar una emoción o es necesario que comprendan también la causa social que transmite la campaña? Estas son algunas de las cuestiones que aborda una investigación liderada por la UMA que utiliza el neuromarketing como herramienta de análisis.

Sigue leyendo
Acogen 300 salinetes para contribuir a la conservación de este pez endémico de Andalucía
Sevilla | 20 de noviembre de 2026

La Universidad Pablo de Olavide se ha incorporado al Programa de Conservación del Salinete y Fartet de la Junta de Andalucía, una iniciativa que busca frenar el declive de estas dos especies de peces amenazadas y recuperar sus poblaciones en el medio natural. En el marco de esta colaboración, la Consejería de Sostenibilidad y Medio Ambiente ha autorizado la cesión a la UPO de 300 ejemplares de salinete (Aphanius baeticus), un pequeño pez que solo vive en Andalucía y cuyas poblaciones se encuentran en franco retroceso.

Sigue leyendo

#CienciaDirecta

Tu fuente de noticias sobre ciencia andaluza

Más información Suscríbete

Ir al contenido