La mayor parte del material es predecible. Empújalos, dóblalos, caliéntalos y responden al mismo tiempo. Los robots son diferentes, pero normalmente requieren un «cerebro», mucho código y un controlador central que le diga a cada parte qué hacer.
Un equipo de la Universidad de Amsterdam está desdibujando esa línea con un nuevo tipo de «metamaterial» que puede entrenarse para cambiar de forma, recordar lo aprendido e incluso moverse sin control centralizado. Sus resultados fueron publicados en Física de la naturaleza 7 de abril de 2026.
Una cuerda como un gusano sin cabeza
El prototipo de Ámsterdam parece más un juguete mecánico que un robot tradicional. Es una cadena en forma de gusano de bisagras motorizadas idénticas conectadas por un esqueleto elástico, cada bisagra lleva un microcontrolador. En una imagen de prueba publicada, la cadena también aprende las formas de letras que deletrean «aprender» (o «).aprender”en holandés).
Aquí está el recorrido. En lugar de que una computadora controle el espectáculo, cada bisagra mide su propia rotación, recuerda su último movimiento e intercambia información con quienes la rodean. Basándose en estos datos locales, la bisagra ajusta con qué fuerza «tira hacia atrás» y qué posición prefiere, y toda la cadena se asienta en una forma coordinada.
«Aprendizaje físico» integrado en el material.
En el artículo, los investigadores describen esto como «aprendizaje físico», lo que significa que el material actualiza su configuración interna a medida que se expone a ejemplos de entrenamiento. El Física de la naturaleza el resumen establece que el sistema aprende actualizando incrementalmente sus «grados de libertad de aprendizaje» internos, particularmente la rigidez local de la cadena.
Si esto suena abstracto, considérelo como un cuerpo que se reconecta un poco después de la práctica. Las bisagras no se limitan a seguir un guión guardado; están cambiando la forma en que interactúan para que el movimiento correcto sea más fácil la próxima vez.
Entrenamiento de empuje repetido
Entonces, ¿cómo se «enseña» un material? El equipo entrena la cuerda empujándola repetidamente hacia una configuración objetivo, paso a paso, en lo que llaman «tiempo». (iop.uva.nl)
Cada vez, los microcontroladores actualizan los pares que aplican a sus bisagras, lo que cambia la rigidez y la forma en que las fuerzas viajan a través de la cadena. Con el tiempo, la cuerda comienza a adoptar su propia forma entrenada cuando reconoce la misma configuración de entrada, casi como si se incorporara la memoria muscular.
Olvidar, cambiar y hacer más de un trabajo
Un punto clave es que el metamaterial no se limita a una respuesta aprendida. en el año Física de la naturaleza En resumen, los autores informan que el sistema puede «olvidar y aprender nuevos cambios de forma en secuencia», aprender múltiples formas y aprender estabilidad de respuesta múltiple.
Esta flexibilidad es importante porque los entornos reales son desordenados. Un día un dispositivo debe tocar un objeto; al día siguiente tiene que arrastrarse por un terreno irregular y en el laboratorio el equipo demuestra este tipo de habilidades como «acciones reflejas de agarre y locomoción».
Del movimiento «sin sentido» a la materia maleable
Este resultado no surgió de la nada. La Universidad de Amsterdam señala que el mismo laboratorio había explorado previamente la locomoción «sin cerebro», mostrando objetos extraños que podían rodar, arrastrarse y moverse sobre terreno impredecible sin un control centralizado.
El ingrediente que faltaba entonces era la memoria. La nueva investigación añade una regla de aprendizaje tomada del aprendizaje automático llamada «aprendizaje contrastivo», que permite que las cadenas actualicen la rigidez local de los ejemplos y luego reutilicen esa experiencia.
¿Por qué es esto importante fuera del laboratorio?
A primera vista, los metamateriales pueden parecer una historia de robótica para el aprendizaje, no un entorno. Pero aparece cuando nos acercamos al ángulo de durabilidad y pensamos en la frecuencia con la que desechamos el hardware porque es demasiado rígido para encajar.
¿Alguna vez has abierto un cajón lleno de cargadores viejos y cables misteriosos y te has preguntado por qué tanta tecnología termina ahí?
En 2022, el mundo generó aproximadamente 68 millones de toneladas (62 millones de toneladas métricas) de desechos electrónicos en los EE. UU., de los cuales solo se documentó que el 22,3% se recogió y recicló adecuadamente.
El Global E-Waste Monitor 2024 advierte que el total está creciendo en aproximadamente 2,9 millones de toneladas por año (2,6 millones de toneladas métricas) y está en camino de alcanzar alrededor de 90 millones de toneladas en los EE. UU. para 2030 (82 millones de toneladas métricas). El informe estima que en 2022 quedaron sin contabilizar alrededor de 62.000 millones de dólares en recursos naturales recuperables.
Un material que se puede reciclar para una tarea diferente representa una mentalidad de diseño diferente. En términos prácticos, sugiere máquinas que puedan actualizarse en el campo en lugar de reemplazarse, un sueño que abarca desde redes de sensores en humedales hasta robots de inspección que se arrastran por los desagües pluviales después de fuertes lluvias.
La letra pequeña y las siguientes preguntas
Es importante no exagerar lo que existe hoy en día. Estos son prototipos de investigación e incluyen motores, electrónica y aplicaciones de energía, que aún tienen su propia huella, especialmente si se amplían sin un diseño cuidadoso.
Los autores también señalan que los datos y el código de respaldo están disponibles a través de Zenodo, lo que debería facilitar que otros equipos prueben y desarrollen el enfoque.
Él y sus colegas ya están analizando desafíos más realistas. En un comunicado de la Universidad de Amsterdam, Yao Du afirma que «una vez que el sistema comienza a aprender, las posibilidades de finalización son casi ilimitadas» y también apunta a trabajos futuros sobre comportamientos dependientes del tiempo y aprendizaje «con ruido e incertidumbre».
Sin embargo, la idea básica es difícil de ignorar. Cuando la «inteligencia» se distribuye a través del material, es posible terminar con dispositivos que continúan funcionando cuando las piezas fallan y encajan en su lugar en lugar de ser descartados, una historia de sostenibilidad oculta a plena vista.
El estudio fue publicado en Física de la naturaleza.
