Investigadores de la Universidad Estatal de Oklahoma desarrollaron un sistema de inteligencia artificial (IA) que interpreta señales cerebrales humanas en milisegundos y permite que los robots anticipen errores antes de que ocurran y actúen de manera segura.
El proyecto, liderado por Hemanth Manjunatha, profesor de Ingeniería Mecánica y Aeroespacial en la Universidad Estatal de Oklahoma, abre la puerta a aplicaciones en entornos de riesgo y de gran precisión como medicina y rehabilitación.
El nuevo sistema utiliza un gorro de electroencefalograma (EEG) que capta las señales eléctricas del cerebro en tiempo real.
Estas señales, conocidas como Potenciales Relacionados con el Error (ErrP), aparecen cuando la persona detecta que algo salió mal.
La IA interpreta esos patrones y permite que el robot reaccione antes de que el operador pueda mover físicamente la mano o presionar un botón de emergencia.
"Imaginen una prótesis que detecta cuándo el usuario siente que se está moviendo incorrectamente y se ajusta sola", explicó Manjunatha y añadió que "se trata de que la tecnología se sienta como una extensión del cuerpo humano".
Según el especialista, la teleoperación de robots en entornos extremos resulta agotadora para el cerebro humano y carece de mecanismos de seguridad.
La IA fue entrenada para reconocer patrones comunes en la actividad cerebral humana.
Una vez que se conecta con el operador que controla al robot, el sistema ajusta en segundos su interpretación a las ondas cerebrales particulares de esa persona, de manera similar a cómo un teléfono aprende a identificar un rostro específico.
Toda la computación se realiza sobre las plataformas NVIDIA Isaac Lab e Isaac ROS, utilizando GPUs NVIDIA RTX PRO 6000.
La baja latencia de este hardware permite que el sistema actúe antes de que el operador pueda reaccionar manualmente, y reduce riesgos en operaciones críticas.
El impacto de esta tecnología no se limita a la robótica industrial y, según Manjunatha, podría aplicarse en prótesis y exoesqueletos, ajustando movimientos según las señales de incomodidad o intención del usuario.
"En entornos de alto riesgo, como el desmantelamiento de una central nuclear o las inspecciones en aguas profundas, todavía no podemos entregarle las llaves por completo a un robot; el mundo es demasiado impredecible", explicó Manjunatha.
El equipo anunció que compartirá el código, los modelos y los datos sin restricciones, con el objetivo de que otros investigadores puedan aplicarlo en proyectos de movilidad y rehabilitación.
"Si alguien puede tomar nuestra cadena cerebro-robot y aplicarla para ayudar a personas con problemas de movilidad, el impacto de este sistema se multiplica mucho más allá de nuestro laboratorio", concluyó el investigador.