Investigadores de la Escuela de Ingeniería y Ciencias Aplicadas John A. Paulson de la Universidad de Harvard han descubierto que añadir una cantidad controlada de aleatoriedad a los movimientos de los robots puede prevenir atascos en entornos congestionados.
Según informa ScienceDaily, el estudio demuestra que, si bien aumentar el número de robots para una tarea puede acelerar el progreso inicialmente, el exceso de unidades en un área limitada termina provocando un estancamiento.
La investigación, dirigida por Lucy Liu, estudiante de doctorado en matemáticas aplicadas, sugiere que permitir que los robots se "muevan con cierta libertad" en lugar de seguir líneas rectas rígidas les ayuda a esquivarse entre sí.
En busca del punto de equilibrio
Mediante simulaciones por computadora, el equipo modeló "agentes" que se desplazaban hacia destinos aleatorios. Descubrieron que las trayectorías perfectamente rectas generaban cúmulos densos y un bloqueo total, mientras que una aleatoriedad excesiva provocaba un deambular ineficiente.
Sin embargo, existe un "punto óptimo" en el que un nivel específico de variación en el movimiento —denominado "ruido"— permite que el sistema mantenga un flujo constante.
"Esto puede resultar contraintuitivo, porque ¿cómo podría la aleatoriedad facilitar las cosas?", afirmó Liu, según el informe. "Pero en este caso, cuando hay mucha aleatoriedad, se vuelve posible calcular promedios: distancias promedio, tiempos promedio, comportamientos promedio. Esto facilita mucho las predicciones".
El equipo desarrolló fórmulas matemáticas para estimar la "tasa de consecución de objetivos" y determinar el equilibrio ideal entre densidad y aleatoriedad para maximizar el rendimiento.
Para validar las simulaciones, los investigadores realizaron experimentos físicos utilizando pequeños robots con ruedas en un entorno de laboratorio. En colaboración con el físico Federico Toschi, de la Universidad Tecnológica de Eindhoven, el equipo utilizó cámaras cenitales para rastrear robots que transportaban códigos QR.
A pesar de que los robots físicos se movían con menos precisión que los modelos digitales, los resultados experimentales reflejaron los patrones simulados. El estudio sugiere que un comportamiento grupal eficaz no requiere de un control centralizado ni de una inteligencia compleja, sino que puede surgir de reglas locales sencillas.
