El robot de cuatro patas de la UTN que aprende a caminar con inteligencia artificial

Tiene cuatro patas, 12 grados de libertad y un desafío que parece sencillo hasta que se observa todo lo que ocurre detrás de cada movimiento: aprender a caminar. Ciudad Capital conoció este miércoles, durante la Expo Carreras UTN.BA 2026, uno de los desarrollos en los que trabaja el Grupo de Inteligencia Artificial y Robótica (GIAR) de la Universidad Tecnológica Nacional Facultad Regional Buenos Aires.

El profesor e investigador Sergio Alberino presentó el robot tetrápodo y explicó a Ciudad Capital cómo la inteligencia artificial y el aprendizaje por refuerzo pueden utilizarse para conseguir que una máquina desarrolle estrategias de locomoción. La demostración permitió acercarse a una línea de investigación que la UTN Buenos Aires desarrolla desde hace años y que evolucionó desde experiencias con robots de seis patas hasta los actuales cuadrúpedos.

Un robot que debe aprender a caminar

Mover una pata puede parecer una acción elemental. Coordinar cuatro simultáneamente para mantener el equilibrio, avanzar y adaptarse al entorno convierte el problema en un desafío considerablemente más complejo.

El proyecto actualmente registrado por la UTN lleva por nombre “Aprendizaje de refuerzo profundo, implementación en un robot tetrápodo con 12 grados de libertad” y pertenece al GIAR. Tiene como director a Pablo Daniel Folino y Sergio Alberino integra el equipo como investigador formado. Su período de ejecución se extiende hasta marzo de 2027.

Los 12 grados de libertad son una de las claves para comprender la complejidad del sistema. El robot necesita controlar y coordinar sus articulaciones para conseguir patrones de movimiento que le permitan desplazarse sobre cuatro patas.

Pero el aspecto más interesante del desarrollo no está solamente en su estructura mecánica.

Está en cómo aprende.

Inteligencia artificial, prueba y recompensa

Durante la charla mantenida con Ciudad Capital en la Expo Carreras UTN.BA 2026, Alberino explicó el trabajo que existe detrás del aprendizaje de locomoción del robot y el papel que cumple el aprendizaje por refuerzo.

En términos sencillos, esta rama de la inteligencia artificial propone una lógica diferente a la de programar de antemano una secuencia rígida con todos los movimientos que una máquina debe ejecutar.

El sistema interactúa con un entorno, realiza acciones y obtiene resultados. A partir de un mecanismo de recompensas puede ir identificando qué decisiones lo acercan al objetivo buscado.

Aplicado a un robot, el desafío consiste en conseguir que el algoritmo encuentre estrategias de movimiento que produzcan un desplazamiento efectivo.

Esto no significa que el robot piense o aprenda como una persona. Detrás de esa capacidad existen modelos matemáticos, algoritmos, sensores, electrónica, mecánica y una enorme cantidad de experimentación.

Y justamente allí aparece una de las partes más atractivas del proyecto: algo tan natural para una persona o un animal como caminar se transforma, cuando debe resolverlo una máquina, en un extraordinario problema de ingeniería.

Antes de las cuatro patas hubo seis

El tetrápodo que Ciudad Capital conoció este miércoles no representa el comienzo de esta historia.

El GIAR posee antecedentes de investigación sobre locomoción robótica mediante aprendizaje por refuerzo que se remontan varios años atrás. Entre ellos se encuentra el proyecto Robot Hexápodo UTN2149, desarrollado para estudiar un robot de seis patas capaz de caminar, escalar y eludir objetos de acuerdo con sus posibilidades mecánicas.

La documentación oficial de la UTN señalaba que aquel robot buscaba manejarse de manera autónoma basando su funcionamiento en aprendizaje por refuerzo. El proyecto también contemplaba comunicaciones inalámbricas y la posibilidad de reconfigurar el software para estudiar distintas técnicas de aprendizaje. Entre sus integrantes se encontraban Sergio Alberino, Juan Carlos Gómez, Pablo Folino, Juan Alarcón, Elías Da Ponte y Matías Scremin.

La UTN Buenos Aires registró además a Alberino como director de aquel proyecto de robot hexápodo autónomo.

Ese antecedente permite comprender mejor el camino recorrido por el grupo.

No se trata de afirmar que el antiguo robot de seis patas simplemente se convirtió en el actual modelo de cuatro. Son proyectos diferentes. Lo que existe es una continuidad en una línea de investigación del GIAR: estudiar cómo conseguir que sistemas robóticos desarrollen estrategias de locomoción utilizando técnicas de aprendizaje por refuerzo.

Del aprendizaje por refuerzo al aprendizaje profundo

Con los años también evolucionaron las herramientas disponibles.

La UTN registra entre sus antecedentes un proyecto denominado “Aprendizaje profundo por refuerzo, en un robot tetrápodo 2”, que tuvo a Pablo Daniel Folino como director y a Sergio Alberino como codirector.

La investigación actual continúa esa dirección tecnológica. El proyecto BACCEC360, vigente entre abril de 2025 y marzo de 2027, trabaja específicamente sobre la implementación del aprendizaje por refuerzo profundo en un robot tetrápodo con 12 grados de libertad.

El salto desde aquellas experiencias con seis patas hasta los actuales robots cuadrúpedos muestra también cuánto evolucionaron las posibilidades de investigación en inteligencia artificial y robótica.

El objetivo sigue planteando una pregunta fascinante: ¿cómo conseguir que una máquina encuentre por sí misma una estrategia adecuada para desplazarse?

Un “perro robot” desarrollado desde la ingeniería

Por su configuración de cuatro patas, visualmente resulta inevitable asociar estos desarrollos con los conocidos “perros robot”. Sin embargo, detrás de esa apariencia existe un proyecto de ingeniería que involucra muchas más áreas que la inteligencia artificial.

Actualmente el GIAR publica dos desarrollos complementarios vinculados con esta plataforma. Uno está dedicado al diseño mecánico de un robot tetrápodo robusto con motores brushless, pensado para desenvolverse en terrenos complejos. El otro trabaja sobre la alimentación, el hardware y el firmware necesarios para controlar 12 motores brushless. En ambos aparecen como responsables Pablo Daniel Folino y Sergio Alberino.

Esto permite dimensionar el trabajo necesario para que finalmente el robot pueda moverse.

Hay que diseñar su estructura, seleccionar y controlar motores, desarrollar electrónica de potencia, programar sistemas de control y conseguir que todas las articulaciones respondan coordinadamente. Sobre esa plataforma física se incorpora luego la investigación vinculada con inteligencia artificial y aprendizaje.

El resultado visible es el movimiento.

Lo que el público no ve son todas las capas de ingeniería que hacen posible cada paso.

La pasión por investigar y también por enseñar

La conversación con Alberino durante la Expo Carreras permitió descubrir otra dimensión del proyecto.

Mientras explicaba a Ciudad Capital el funcionamiento del robot, el investigador transmitía no solamente conocimiento técnico sino también entusiasmo por aquello que estaba mostrando. La pasión por la robótica se combinó permanentemente con otra faceta: la de enseñar y conseguir que conceptos que pueden resultar extremadamente complejos sean comprensibles para quienes recién comienzan a acercarse a la ingeniería.

Ese contexto resulta especialmente significativo dentro de una Expo Carreras.

Quienes este miércoles recorrieron la UTN Buenos Aires no solamente pudieron conocer planes de estudio, carreras o posibilidades profesionales. También tuvieron la oportunidad de observar qué ocurre después, cuando la formación académica se convierte en investigación y una idea comienza a tomar forma dentro de un laboratorio.

El robot de cuatro patas es una expresión concreta de ese recorrido.

El GIAR, cuatro décadas investigando inteligencia artificial y robótica

Detrás del tetrápodo se encuentra una historia que comenzó mucho antes de la actual explosión mundial de la inteligencia artificial.

El Grupo de Inteligencia Artificial y Robótica de la UTN Buenos Aires desarrolla desde hace décadas proyectos que combinan electrónica, mecánica, informática, sistemas de control e inteligencia artificial.

A lo largo de su trayectoria trabajó en robótica autónoma, visión artificial, redes neuronales, control adaptativo, algoritmos genéticos y diferentes técnicas de aprendizaje aplicadas a máquinas.

El robot tetrápodo es, por lo tanto, una pieza dentro de una historia mucho más amplia.

Una historia en la que las máquinas cambiaron, los algoritmos evolucionaron y la capacidad de procesamiento creció enormemente, pero algunas de las preguntas de investigación permanecieron.

¿Cómo hacer que un robot conozca su entorno? ¿Cómo conseguir que tome decisiones? ¿Cómo lograr que se desplace sin que una persona tenga que indicarle cada movimiento?

De un laboratorio de la UTN a los futuros ingenieros

La presentación realizada en la Expo Carreras UTN.BA 2026 permitió que esas preguntas salieran del laboratorio y quedaran frente a quienes posiblemente integren las próximas generaciones de estudiantes de ingeniería.

Para alguien que observa el tetrápodo caminar, la primera reacción puede ser simplemente sorprenderse ante un robot de cuatro patas.

Pero detrás de esos pasos hay mucho más.

Hay mecánica, electrónica, programación, inteligencia artificial, matemática, simulación, prueba y error. Hay proyectos anteriores que permitieron aprender y nuevos proyectos que buscan avanzar sobre aquello que todavía no está resuelto.

Y hay investigadores y docentes dispuestos a transmitir ese conocimiento.

Eso fue precisamente lo que Ciudad Capital encontró este miércoles durante la charla con Sergio Alberino: detrás de un robot que está aprendiendo a caminar también hay una universidad que investiga y personas apasionadas por enseñar cómo hacerlo.

Información útil

El desarrollo pertenece al Grupo de Inteligencia Artificial y Robótica de la Facultad Regional Buenos Aires de la Universidad Tecnológica Nacional. El proyecto vigente “Aprendizaje de refuerzo profundo, implementación en un robot tetrápodo con 12 grados de libertad” tiene finalización prevista para el 31 de marzo de 2027, según el registro oficial de proyectos activos de UTN Buenos Aires.

La presentación del robot pudo conocerse en el marco de la Expo Carreras UTN.BA 2026, realizada este miércoles 16 de septiembre.