Clarence, el robot con IA que camina como un animal y se adapta a terrenos desconocidos
Un robot cuadrúpedo inspirado en animales aprende a caminar, trotar o saltar sin necesidad de cámaras ni entrenamiento físico. ¿La clave? Una inteligencia artificial que piensa con reflejos animales.
Por Enrique Coperías
El robot Clarence camina sobre losas de hormigón. Cortesía: Joseph Humphreys / University of Leeds.
La naturaleza ha perfeccionado la locomoción animal durante millones de años. Un perro que corre por un sendero lleno de raíces o un caballo que ajusta su pisada al cruzar un arroyo no necesitan instrucciones específicas: su cuerpo y cerebro cooperan de forma instintiva para mantener el equilibrio, optimizar la energía y adaptarse a lo inesperado.
Replicar esta habilidad en robots ha sido, hasta ahora, una de las tareas más difíciles de la robótica moderna.
Pero un nuevo estudio científico liderado por investigadores de la Universidad de Leeds y el University College London (UCL), en el Reino Unido, podría cambiar las reglas del juego. En un avance considerado como «un hito mundial», ingenieros de estas universidades han desarrollado un sistema de inteligencia artificial (IA) capaz de dotar a un robot cuadrúpedo, apodado cariñosamente Clarence, de la capacidad de moverse como lo haría un animal real.
Y lo más impresionante: aprende a hacerlo en tan solo nueve horas y puede desplegarse directamente en terrenos reales sin necesidad de ajustes adicionales.
Una IA que imita el instinto animal
En lugar de entrenar al robot para ejecutar una única tarea, como caminar en línea recta o subir una pendiente, los científicos quisieron enseñarle a decidir cómo moverse. Así nació un nuevo marco de control basado en aprendizaje por refuerzo profundo (Deep Reinforcement Learning, DRL), que permite a Clarence seleccionar, recordar y ajustar en tiempo real su forma de andar según el terreno al que se enfrenta.
El secreto del éxito está en la inspiración animal, tal como lo explica Joseph Humphreys, primer autor del estudio y doctorando en Ingeniería Mecánica en Leeds:
«Este marco de aprendizaje por refuerzo profundo enseña estrategias de marcha y comportamientos inspirados en los animales reales, como el ahorro energético, los ajustes de movimiento en tiempo real y la memoria de marcha, para lograr un movimiento adaptable y óptimo, incluso en entornos nunca antes visto».
Los animales no usan un solo tipo de marcha. Pueden caminar, trotar, correr, saltar o incluso cojear, dependiendo de las condiciones. Esas transiciones no son aleatorias: responden a factores biomecánicos como el equilibrio, la eficiencia energética y las fuerzas musculoesqueléticas.
Al incorporar esas mismas estrategias en un robot, Clarence aprende a cambiar de estilo de marcha sobre la marcha —literalmente— y sin necesidad de sensores visuales o modificaciones externas.
Tres pilares bioinspirados que hacen posible la locomoción autónoma
El sistema desarrollado integra, por primera vez, los tres pilares de la locomoción animal en un único marco de inteligencia artificial:
✅ Estrategias de transición de marcha: cómo y cuándo un animal cambia de caminar a correr o a saltar para adaptarse.
✅ Memoria procedimental de marcha: patrones de movimiento almacenados que permiten ejecutar cualquier marcha con rapidez.
✅ Ajustes de movimiento adaptativos: correcciones inmediatas de postura o pisada frente a perturbaciones imprevistas, como un pie que resbala.
Estos elementos permiten que el robot no solo camine bien en un entorno, sino que generalice su comportamiento a terrenos desconocidos, igual que lo haría un gato explorando un jardín o una cabra corriendo en unos riscos.
¿Cómo se comporta en el mundo real? Resultados en entornos no simulados
El entrenamiento de Clarence se realiza íntegramente en un entorno simulado. Durante ese proceso, practica cientos de miles de situaciones en paralelo, desde distintos estilos de marcha hasta formas de corregir el equilibrio. Luego, se transfiere la política aprendida al robot físico, sin necesidad de ajustes. Humphreys lo compara con la famosa escena de The Matrix:
«Es como cuando a Neo le descargan conocimientos de artes marciales en su mente. No necesita entrenar físicamente en el mundo real, y sin embargo puede pelear. Así funciona nuestro sistema».
Este enfoque permite un despliegue rápido en entornos reales. Y los resultados hablan por sí mismos: Clarence fue capaz de navegar sobre maderas sueltas, raíces cubiertas de vegetación, rocas, tierra húmeda e incluso rampas resbaladizas, todo sin haber entrenado en esos terrenos.
En una de las pruebas más duras, sus patas fueron golpeadas repetidamente por una escoba para simular perturbaciones inesperadas. Clarence logró mantener el equilibrio adaptando su marcha, igual que haría un animal al tropezar con una rama.
Clarence, un ejemplo de versatilidad robótica
En los experimentos, el robot usó diferentes marchas: trotó en superficies planas, corrió en terrenos firmes y recurrió a estilos menos comunes para recuperar la estabilidad en suelos irregulares, como el pronk —un tipo de salto en el que las cuatro patas despegan y aterrizan al mismo tiempo, que podemos ver en antílopes, gacelas o zorros— y el bound —una forma de locomoción donde las patas delanteras y traseras se mueven en pares, pero con un desfase en el tiempo (las traseras empujan y las delanteras aterrizan después), que practican animales como los felinos, las ardillas y los lobos—.
Estas posturas, normalmente reservadas para condiciones especiales en animales, emergieron de forma natural en la toma de decisiones del robot.
Según los datos recogidos, el sistema es capaz de anticipar cuándo es necesario cambiar de marcha: justo antes del cambio, se observa un aumento en el esfuerzo mecánico, el torque de los motores o el error de contacto de las patas. Este comportamiento sugiere que el robot ha interiorizado una suerte de instinto mecánico, similar al que guía a los animales.
El robot Clarence aprende a adaptar su marcha al terreno simulado. Para desarrollar sus habilidadades, practicó simultáneamente en cientos de entornos simulados. Cortesía: Joseph Humphreys / University of Leeds
Una IA que elige cómo moverse
«Este trabajo partió de una pregunta fundamental: ¿y si los robots pudieran moverse con la misma intuición que los animales? En lugar de programarlos para tareas específicas, les enseñamos a usar estrategias como el equilibrio, la coordinación y la eficiencia energética para decidir cómo moverse», confiesa el profesor Chengxu Zhou, coautor principal del estudio de UCL.
Al incorporar esos principios en un sistema de IA, Zhou y sus colegas lograron que los robots puedan eligir su forma de locomoción basándose en las condiciones del entorno en tiempo real, no coon reglas preestablecidas.
«Eso significa que pueden desplazarse por entornos desconocidos de manera segura y efectiva», dice el profesor Zhou.
Aplicaciones futuras: del rescate al espacio
Aunque la investigación se ha centrado en un solo robot cuadrúpedo, los principios utilizados son generalizables. Cualquier robot de cuatro patas —es decir, con morfología cuadrúpeda— podría beneficiarse de este sistema, sin importar su tamaño o peso.
Esto abre la puerta a su aplicación en múltiples tipos de robots: desde pequeños exploradores agrícolas hasta máquinas de asistencia en zonas de difícil acceso. Los investigadores prevén un amplio espectro de aplicaciones robóticas adaptativas:
✅ Rescate en zonas de desastre.
✅ Exploración espacial y planetaria.
✅ Agricultura de precisión en terrenos complejos.
✅ Inspección de infraestructuras en entornos peligrosos.
✅ Simulación biomecánica sin necesidad de pruebas en animales.
Un futuro prometedor: de caminar a escalar
De cara al futuro, los investigadores planean ampliar las habilidades del sistema para incluir saltos de largo alcance, escalada y navegación vertical. Esto requerirá incorporar dinámicas más complejas, pero el enfoque basado en la inteligencia motora animal ya ha demostrado ser una base sólida.
La investigación, financiada por la Royal Society y la Advanced Research and Invention Agency (ARIA), representa un ejemplo claro de cómo la convergencia entre IA, robótica y biología puede abrir nuevas fronteras.
Con Clarence, la robótica ha dado un paso más hacia la embodied AI, aquella que no solo razona, sino que también se mueve, se adapta y sobrevive en un mundo físico complejo. Esta nueva generación de robots autónomos no solo cambia la forma en que entendemos el movimiento, sino también lo que significa aprender para una máquina.
En lugar de repetir una tarea mil veces, ahora los robots pueden observar, entender y aplicar estrategias generales para resolver problemas nuevos. Tal como lo hace un perro al caminar sobre piedras o una cabra en la cima de una colina. Y si el futuro de la robótica pasa por caminar sobre terreno incierto, Clarence ya nos lleva varios pasos de ventaja. ▪️
Información facilitada por la Universidad de Leeds
Fuente: Humphreys, J., Zhou, C. Learning to adapt through bio-inspired gait strategies for versatile quadruped locomotion. Nature Machine Intelligence (2025). DOI: https://doi.org/10.1038/s42256-025-01065-z
