Las soluciones de micromovilidad, como los robots de reparto, scooters eléctricos y sillas de ruedas eléctricas, están revolucionando la forma de desplazarse en distancias cortas dentro de las ciudades. Aunque cada vez son más populares por ser alternativas flexibles y ecológicas, la mayoría aún depende mayormente del control humano, lo que limita su eficiencia y plantea riesgos de seguridad, especialmente en entornos urbanos complejos y concurridos, donde hay peatones, ciclistas y otros obstáculos en constante movimiento.
¿Por qué es necesaria la micromovilidad autónoma en las ciudades?
Medios de transporte tradicionales como automóviles y autobuses funcionan bien para trayectos largos, pero suelen fallar en la “última milla”, ese tramo final dentro de las zonas urbanas. Ahí es donde la micromovilidad juega un papel fundamental, ofreciendo dispositivos ligeros y de baja velocidad ideales para recorridos cortos. Sin embargo, alcanzar una verdadera autonomía en estos vehículos sigue siendo difícil. Las soluciones actuales de inteligencia artificial suelen enfocarse en tareas puntuales, como evitar obstáculos o navegar por rutas simples, sin poder afrontar los múltiples retos que presentan las calles, rampas, escaleras y aglomeraciones propias de la ciudad.
Limitaciones de las plataformas de aprendizaje y simulación para robots existentes
Las plataformas de simulación actuales están diseñadas, en su mayoría, para entornos interiores o redes viales enfocadas en vehículos, y no reflejan la complejidad de aceras, plazas o callejones urbanos. Por otro lado, las plataformas muy eficientes tienden a ser demasiado simples para que los sistemas de aprendizaje profundo puedan entrenarse en escenarios con obstáculos variados y peatones impredecibles. Esto dificulta que los agentes de IA desarrollen habilidades esenciales para la micromovilidad autónoma en entornos reales.
URBAN-SIM: una simulación avanzada para la micromovilidad urbana autónoma
Para superar estas dificultades, investigadores de la Universidad de California en Los Ángeles y la Universidad de Washington crearon URBAN-SIM, una plataforma de simulación urbana escalable y de alta fidelidad pensada especialmente para la investigación en micromovilidad autónoma.
Características principales de URBAN-SIM:
- Generación jerárquica de escenas urbanas: crea de forma procedural entornos diversos y a gran escala, desde bloques de calles hasta detalles del terreno, incluyendo aceras, rampas, escaleras y superficies irregulares, brindando escenarios realistas y variados para el entrenamiento de robots.
- Simulación interactiva de agentes dinámicos: reproduce en tiempo real el comportamiento de peatones, ciclistas y vehículos usando GPU, permitiendo interacciones complejas que reflejan la dinámica urbana real.
- Muestreo asíncrono de escenas para mayor escalabilidad: posibilita entrenar agentes de IA en paralelo en cientos de escenas únicas y complejas usando una sola GPU, acelerando significativamente el proceso y fomentando un aprendizaje más sólido.
Basada en la tecnología Omniverse y el motor físico PhysX de NVIDIA, URBAN-SIM combina un renderizado visual realista con física precisa para un entrenamiento auténtico de IA corporificada.
URBAN-BENCH: un conjunto completo de pruebas para habilidades reales
Junto a URBAN-SIM, desarrollaron URBAN-BENCH, una batería de tareas y métricas que reflejan las capacidades clave para la micromovilidad autónoma en situaciones urbanas reales. Algunas de sus pruebas incluyen:
- Locomoción urbana: movilidad estable y eficiente sobre superficies planas, pendientes, escaleras y terrenos accidentados.
- Navegación urbana: recorrido por rutas despejadas, evitando obstáculos estáticos como bancos o papeleras, y objetos dinámicos como peatones y ciclistas.
- Tarea de recorrido urbano: un desafío de un kilómetro que combina terrenos complejos, obstáculos y agentes en movimiento, diseñado para evaluar la navegación y toma de decisiones a largo plazo.
Autonomía compartida entre humanos e IA
En la tarea de recorrido largo, URBAN-BENCH propone un modelo donde humanos y IA comparten el control. Este sistema divide la gestión del robot en niveles: decisiones estratégicas, navegación intermedia y movimiento básico. Así, las personas pueden intervenir en escenarios complejos o riesgosos, mientras la IA se encarga de la navegación y locomoción rutinarias, equilibrando seguridad y eficiencia en entornos dinámicos.
Evaluación de distintos tipos de robots en ambientes realistas
URBAN-SIM y URBAN-BENCH admiten varias plataformas robóticas, desde ruedas hasta cuadrúpedos, híbridos y humanoides. Los benchmarks muestran las fortalezas y debilidades particulares de cada tipo en locomoción y navegación, demostrando la versatilidad del sistema. Por ejemplo:
- Robots cuadrúpedos destacan en estabilidad y subir escaleras.
- Robots con ruedas se desempeñan mejor en caminos planos y despejados.
- Robots con ruedas y patas combinadas aprovechan su diseño híbrido para adaptarse a diferentes terrenos.
- Robots humanoides navegan eficazmente en espacios urbanos estrechos y concurridos gracias a su capacidad para moverse lateralmente.
Escalabilidad y eficiencia en el entrenamiento
El muestreo asíncrono de escenas permite entrenar en una gran variedad de entornos urbanos, logrando mejoras de hasta un 26.3% en el rendimiento respecto a enfoques convencionales sincronizados. A mayor diversidad de escenarios, mayores son las tasas de éxito en tareas de navegación, subrayando la importancia de simulaciones amplias y variadas para lograr una micromovilidad autónoma robusta.
En resumen
URBAN-SIM y URBAN-BENCH son pasos clave para avanzar hacia una micromovilidad autónoma segura, eficiente y escalable en entornos urbanos complejos. Próximamente se buscará facilitar la transición entre simulación y mundo real usando ROS 2 y técnicas de transferencia sim-a-real. Además, se incorporarán capacidades multimodales de percepción y manipulación que serán esenciales para aplicaciones como la entrega de paquetes o la robótica asistencial.
Al permitir entrenar y evaluar agentes de IA corporificada en escenarios urbanos auténticos y variados, esta investigación impulsa el desarrollo de la micromovilidad autónoma, promoviendo ciudades más sostenibles, accesibles y seguras.
