Patología robótica: programación automática de movimientos de un humanoide mediante búsqueda evolutiva masivamente paralela en Isaac Lab

Programación automática de movimientos mediante búsqueda evolutiva masivamente paralela en Isaac Lab

Cómo miles de episodios físicos simulados pueden ayudar a descubrir movimientos de laboratorio sin teleoperación, captura de movimiento ni entrenamiento por refuerzo de la transición.

Dr. Andric Guerrero Espinoza · AndricPath.com · Tissue Robotics · Octubre de 2026

ARTICULO DISPONIBLE EN: DOI 10.5281/zenodo.23683347

Idea central

¿Cómo programar un movimiento fino de un humanoide cuando no disponemos de captura de movimiento, teleoperación ni un conjunto de demostraciones expertas para esa tarea? Una opción es especificar cada movimiento manualmente. Otra es utilizar la simulación física para explorar trayectorias candidatas.

En Tissue Robotics utilizo Isaac Lab para generar variantes de una trayectoria, evaluar sus consecuencias y seleccionar las que consiguen avanzar. No estoy entrenando una red neuronal para decidir cada acción: estoy sintetizando una trayectoria mediante búsqueda evolutiva. La física evalúa los movimientos; el algoritmo propone, selecciona y modifica los candidatos.

En el corte experimental presentado, cada generación comprende 12.600 episodios físicos del Unitree G1, ejecutados en lotes según la capacidad disponible. La campaña pasó de A_SURVIVE a B_APPROACH y alcanzó un máximo del 38,01 % de episodios sin fallo terminal entre los puntos de control analizados. Todavía no ha resuelto la transición completa.

1. El problema: coordinar el cuerpo, los objetos y el laboratorio

Tomar un portaobjetos de vidrio, colocarlo en una bandeja, sujetarla con ambas manos y separarse de una mesa parecen acciones sencillas para una persona. Para un humanoide, exigen coordinar equilibrio, manos, muñecas, torso y piernas mientras se conserva la estabilidad de un objeto frágil y se evitan obstáculos. La meta del proyecto es encadenar esas habilidades hasta transportar la bandeja a otra estación.

La teleoperación y la captura de movimiento permiten obtener demostraciones, pero requieren recursos y ejemplos específicos. No dispongo actualmente del hardware necesario para generar miles de demostraciones expertas de esta transición. De ahí surge la pregunta: ¿puede la simulación ayudar a descubrir el movimiento?

Isaac Lab se convierte en un laboratorio virtual donde los candidatos pueden fallar sin dañar material ni un robot real. La búsqueda descrita no utiliza teleoperación durante la evaluación ni una demostración humana específica para esta transición. Estas afirmaciones se refieren al proceso de síntesis presentado, no necesariamente a todos los controladores o las habilidades previas del sistema.

2. El método: síntesis evolutiva de trayectorias

Cada individuo representa una trayectoria parametrizada. Su genoma incluye poses clave, desplazamientos en los tres ejes, posiciones relativas y orientaciones de las manos, tiempos de ejecución, ajustes de apertura o descarga de las manos y movimientos del torso o la cadera. Las amplitudes de mutación también pueden evolucionar.

El ciclo consta de seis pasos: generar candidatos, ejecutar la física, evaluar resultados, seleccionar propuestas, mutar o recombinar sus parámetros y volver a probar. La evaluación utiliza un criterio jerárquico de desempeño y métricas físicas de contactos, estabilidad, supervivencia y progreso.

Aunque observar miles de intentos recuerda al aprendizaje por refuerzo, aquí no se entrena una política neuronal que transforme estados en acciones, ni se actualizan sus pesos mediante PPO. Cambian los parámetros de las trayectorias. El resultado buscado es una secuencia útil para una habilidad concreta, no necesariamente una política general y reactiva. Una trayectoria puede, además, ejecutarse con controladores que utilicen realimentación.

3. El laboratorio virtual y el currículo físico

Una precisión importante: 12.600 es el número de episodios evaluados por generación, no una afirmación de que existan 12.600 entornos simultáneos. La ejecución puede dividirse en lotes según los recursos disponibles de GPU y PhysX. Cada entorno contiene los estados físicos necesarios del humanoide, sus articulaciones, la mesa, la bandeja, el rack, el microscopio y los objetos.

La búsqueda utiliza principalmente variables físicas, no imágenes RGB. Trabajar sin renderizado no significa trabajar sin entorno: se calculan contactos y movimiento sin dibujar miles de cámaras.

El currículo organiza la dificultad en cuatro etapas. A_SURVIVE prioriza sobrevivir, conservar la bandeja y evitar fallos terminales. B_APPROACH añade el acercamiento a una configuración útil para el transporte. C_TRANSFER exige completar la transición hacia la pose objetivo. D_HOLD requiere mantenerla durante el intervalo establecido.

Esta jerarquía evita premiar un progreso breve que termina en una colisión crítica. Primero debe conservarse lo que ya funciona; después se exige avanzar. El diseño de la evaluación debe impedir que una mejora secundaria compense un fallo terminal.

4. Resultados hasta GEN60: un salto inicial y una frontera más difícil

Los puntos de control seleccionados muestran una mejora marcada durante las primeras generaciones, seguida de una etapa con oscilaciones. La tabla resume los registros comunicados; no representa todas las generaciones de la campaña.

En estos registros, collision_free_rate representa la fracción de episodios que no terminan por ninguno de los fallos físicos terminales definidos por el sistema. Por ello, en la tabla se presenta como “Sin fallo terminal”. No equivale a ausencia de todo contacto, ni a éxito completo de la tarea.

Entre GEN0 y GEN20, esa proporción pasa del 10,30 % al 37,25 %, mientras la supervivencia media aumenta de 2,97 a 6,65 segundos. El currículo avanza hacia B_APPROACH. Después aparecen compromisos más difíciles: GEN55 alcanza el 38,01 %, pero GEN60 baja al 35,73 %, mientras el mejor progreso mediano aumenta de 0,1592 a 0,1630.

Estos cambios muestran que seguridad y progreso no mejoran necesariamente al mismo tiempo. Son compatibles con los compromisos de una búsqueda que evalúa varios criterios, pero los puntos seleccionados no bastan para describir toda la dinámica ni demostrar por sí solos la robustez de una trayectoria.

Corrección importante: el progreso no se mide aquí en metros

En una versión anterior interpreté best_progress como una distancia. Es una métrica normalizada respecto al error compuesto inicial. Un valor de 0,1655 expresa aproximadamente un 16,6 % de mejora relativa respecto a ese error, no 16,55 centímetros recorridos. Entre los puntos analizados, GEN50 conserva el mejor valor de progreso mediano reportado; GEN60 se aproxima con 0,1630.

5. Los fallos también cambian

Comparar GEN0 con GEN60 permite observar qué obstáculos disminuyen y cuáles adquieren más importancia. Los recuentos siguientes corresponden a las categorías reportadas; no deben sumarse como si fueran categorías necesariamente independientes.

Las colisiones prohibidas disminuyen aproximadamente un 41 %; los impactos de la bandeja contra TABLE_A, un 47 %; y los impactos contra SLIDE_RACK, un 61 %. Las caídas de bandeja, en cambio, aumentan.

Una hipótesis es que más candidatos superen el obstáculo inicial y alcancen fases posteriores donde pueden perder la bandeja. Un intento que evita la mesa pero falla más adelante puede aportar información útil. Sin embargo, el aumento de caídas no demuestra por sí solo ese desplazamiento: también señala una limitación de estabilidad. Confirmar cuándo ocurre cada fallo requiere analizar su secuencia temporal.

Los registros también señalan contactos del pie o la pierna derecha con la pata de la mesa. A medida que cambian las trayectorias, aparecen nuevos cuellos de botella. B_APPROACH exige coordinar la retención de la bandeja, las manos, los pies y la separación del mobiliario sin perder estabilidad.

6. Cómo se conserva la diversidad de la búsqueda

La implementación no conserva únicamente al candidato con mayor puntuación global. Mantiene archivos especializados en separación respecto de obstáculos, progreso, baja inclinación, orientación de muñecas, supervivencia y desempeño global. También utiliza élites, un archivo histórico de candidatos destacados, límites al dominio de una familia, candidatos aleatorios y recombinación entre poses clave.

El tipo de mutación puede depender del fallo anterior. Una colisión temprana puede inducir movimientos menores o cambios de dirección; una inclinación grave de la bandeja, compensaciones bilaterales; y una caída o pérdida irrecuperable de contacto, cambios en los tiempos de descarga y una transición más lenta. Cuando el candidato sobrevive sin alcanzar el objetivo, pueden modificarse preferentemente las últimas poses clave.

Así, el fracaso no solo reduce una puntuación: también orienta dónde explorar. Estas reglas son estrategias de búsqueda, no garantías de que cada mutación produzca una mejora.

7. Por qué explorar esta vía en anatomía patológica

Transportar portaobjetos, mover racks, cargar bandejas y organizar estaciones son tareas repetitivas del laboratorio. Una máquina especializada puede ser la mejor solución en muchos casos. El interés de un humanoide está en explorar su uso en instalaciones diseñadas para personas, sin asumir que siempre resulte más eficiente o seguro.

La hipótesis de Tissue Robotics es que, si una tarea puede expresarse mediante restricciones físicas y criterios de éxito, parte del diseño del movimiento puede trasladarse a una búsqueda automática en simulación. La cadena prevista comprende colocar el portaobjetos en la bandeja, sujetarla con ambas manos, elevarla y estabilizarla, pasar a transporte y entregarla frente al microscopio.

Las tres primeras habilidades obtuvieron aproximadamente un 91 %, un 93,75 % y un 94,1 % provisional en sus respectivas pruebas internas. Son resultados de habilidades individuales, no de la cadena completa. Sin protocolos, tamaños de muestra y criterios de éxito detallados, no deben compararse directamente ni extrapolarse a una operación continua.

El reto actual corresponde a la transición hacia el transporte. Tener la bandeja levantada no basta: es necesario conectar la postura terminal de una habilidad con la configuración inicial de la siguiente sin perder lo conseguido.

8. Qué sigue sin resolverse

GEN60 permanece en B_APPROACH, el mejor nivel interno de desempeño —tier— sigue en 2 y la métrica hold continúa en cero. Por tanto, todavía no puedo afirmar que se haya resuelto la transición completa. Tampoco que una trayectoria encontrada en Isaac Lab pueda ejecutarse inmediatamente en un Unitree G1 real.

Transferencia al mundo real

Será necesario validar diferencias de fricción, masas, elasticidad, tolerancias, latencia, motores y contactos. La transferencia de simulación a realidad exige pruebas escalonadas y controles de seguridad adicionales.

Robustez y adaptación

Una trayectoria puede funcionar dentro de las condiciones de búsqueda y fallar si la bandeja cambia de posición. Una secuencia optimizada no equivale a una política capaz de reorganizarse ante una mesa desplazada, otro rack o una perturbación inesperada.

Coste computacional

Cada generación requiere miles de episodios físicos. El método traslada parte del tiempo humano de programación al tiempo computacional de búsqueda; no elimina el coste de desarrollo ni la necesidad de validación.

9. De la evolución al aprendizaje

Si se generan suficientes trayectorias exitosas, diversas y documentadas, podrían convertirse en demostraciones sintéticas para aprendizaje por imitación o clonación de comportamiento. Posteriormente podrían explorarse métodos de aprendizaje por refuerzo o modelos de visión, lenguaje y acción —VLA—. No es una secuencia obligatoria ni una capacidad ya demostrada.

En ese escenario, la evolución actuaría como generadora de ejemplos que hoy no tenemos. Su función no sería sustituir todo el aprendizaje moderno, sino contribuir con movimientos candidatos que todavía deben validarse y, cuando corresponda, utilizarse como datos de entrenamiento.

Conclusión

La búsqueda evolutiva masivamente paralela cambia parte del trabajo de programación: en lugar de escribir cada movimiento, definimos qué parámetros pueden variar, qué contactos están permitidos, qué constituye un fallo, cómo se mide el progreso y qué debe conservarse. Después evaluamos miles de propuestas bajo física.

Entre GEN0 y GEN60 no se ha resuelto la tarea completa. Sí se observa una reducción importante de los impactos de la bandeja contra la mesa y el rack, junto con el avance de A_SURVIVE a B_APPROACH. Ahora el desafío es progresar sin perder la bandeja, golpear el mobiliario ni destruir la estabilidad adquirida.

Patología robótica no significa únicamente colocar un robot en un laboratorio. También implica desarrollar formas de descubrir, validar y transferir las habilidades físicas que ese laboratorio necesita. Encontrar una trayectoria es el comienzo; demostrar que es reproducible, adaptable y segura será la prueba decisiva.

Nota metodológica

Los datos corresponden a registros experimentales internos de Tissue Robotics / Pathology Humanoid Lab de octubre de 2026, proporcionados por su autor. Aunque la campaña continuó después de GEN60, este artículo fija su corte cuantitativo en esa generación debido a que nuestros experimentos en su mayoria tienden a no revelar mas información de la necesaria para el aprendizaje de nuestros competidores.

Son resultados de desarrollo en ingeniería y simulación. No constituyen validación clínica, validación de transferencia al mundo real ni un estudio revisado por pares. Esta edición conserva los datos comunicados y no implica una verificación independiente.

Versión citable (preprint): Guerrero Espinoza AE. Patología robótica: programación automática de movimientos de un humanoide mediante búsqueda evolutiva masivamente paralela en Isaac Lab. Zenodo; 2026. doi:10.5281/zenodo.23683347”.