En un avance que probablemente hará que cualquier adolescente que alguna vez haya besado el asfalto se sienta un poco incompetente, un equipo de investigadores ha logrado que un robot humanoide aprenda a montar en monopatín. Un nuevo artículo publicado en arXiv el 3 de febrero de 2026 detalla el funcionamiento de HUSKY (Humanoid Skateboarding System), un marco de IA con conciencia física que permite a un robot bípedo dominar esa pesadilla de inestabilidad dinámica y acoplamiento mecánico que supone mantenerse en equilibrio sobre una tabla de madera con ruedas.
El “sufrido” protagonista de estos experimentos es el Unitree G1, un robot humanoide de 1,3 metros de altura y unos 35 kg de peso. Aunque ya era capaz de marcarse unos bailes y realizar tareas básicas de manipulación, el G1 —que tiene un precio de salida de unos 16.000 dólares— ahora puede añadir a su currículum el título de “aspirante a leyenda del skatepark”. El sistema HUSKY integra el control de todo el cuerpo con una comprensión profunda de la dinámica del skate, modelando la compleja relación entre la inclinación de la tabla y el giro de los ejes (trucks). Esto permite al robot realizar transiciones estables entre el impulso con el pie y el giro mediante la inclinación del cuerpo. Para lograr un movimiento más fluido y humano, el sistema utiliza Adversarial Motion Priors (AMP), una técnica que incentiva al robot a aprender de un estilo de movimiento real en lugar de ser programado rígidamente para cada pequeño ajuste.
¿Por qué es esto importante?
Enseñar a un robot a patinar no es solo una estrategia para preparar las futuras Olimpiadas robóticas. Esta investigación expande los límites del control integral del cuerpo (whole-body control) en humanoides dentro de escenarios del mundo real, que son intrínsecamente impredecibles. Dominar una plataforma “infraactuada” como un monopatín demuestra una capacidad sofisticada para gestionar el equilibrio, la inercia y la interacción entre el robot y un objeto de forma simultánea. Los principios detrás de HUSKY podrían aplicarse a robots que utilicen otras herramientas con ruedas o que deban navegar por entornos humanos dinámicos y abarrotados sin tropezarse constantemente con sus propios pies. Es un paso crucial para crear máquinas que se muevan con la agilidad y adaptabilidad de un ser humano, y no solo con la precisión rígida de un brazo robótico en una fábrica.
