Lo que empezó como un juego de realidad aumentada para cazar Pokémon en la calle se ha convertido, con el paso del tiempo, en una pieza clave de la infraestructura digital que utilizarán los robots. Millones de jugadores de Pokémon Go, sin ser realmente conscientes, han ido construyendo un mapa mundial ultradetallado que ahora sirve para orientar máquinas autónomas en entornos urbanos complejos.
A través de este mapa tridimensional, Niantic Spatial quiere solucionar uno de los grandes quebraderos de cabeza de la robótica de reparto: mover robots por ciudades llenas de edificios altos, tráfico y peatones sin depender solo del GPS, que en muchos casos se queda corto. Ese mismo modelo espacial que antes servía para que Pikachu apareciera bien colocado sobre una acera, ahora ayuda a que un robot de reparto se sitúe con precisión frente a una puerta concreta.
Del fenómeno Pokémon Go a un mapa mundial para máquinas
Hace ya años que el boom de Pokémon Go llenó las calles de jugadores apuntando con la cámara del móvil a fachadas, plazas, esquinas y monumentos. Aquella fiebre, que en España también se vivió con intensidad en ciudades como Barcelona, Madrid o Valencia, dejó mucho más que anécdotas y fotos curiosas: generó una colección masiva de imágenes ligadas a coordenadas muy precisas.
Niantic, ahora a través de su división Niantic Spatial, ha ido aprovechando ese archivo para levantar lo que define como un verdadero modelo del mundo. No se trata solo de un mapa plano, sino de una representación tridimensional hiperrealista construida a partir de datos espaciales muy detallados, pensada para vincular sistemas de inteligencia artificial con el entorno físico real.
La empresa calcula que ha entrenado sus sistemas con alrededor de 30.000 millones de imágenes captadas en entornos urbanos, procedentes tanto de Pokémon Go (actualmente bajo la órbita de Scopely) como del juego Ingress. Cada Poképarada, gimnasio o punto de interés visitado por los usuarios se convirtió, sin saberlo, en materia prima para ese mapa global.
Según explican sus responsables, en más de un millón de ubicaciones repartidas por todo el planeta la plataforma es capaz de localizar con gran exactitud a quien toma la imagen. En muchos casos, Niantic asegura poder determinar la posición con precisión de centímetros, algo que va muy por delante de lo que puede ofrecer un GPS convencional en un entorno urbano denso.
Ese salto de calidad no viene solo por el volumen de fotos, sino por cómo se han capturado. Para cada ubicación hay miles de imágenes tomadas desde ángulos distintos, a diferentes horas del día y con climatologías variadas, lo que permite al sistema entender cómo cambia un mismo lugar según la luz, la lluvia o las sombras.
Cómo funciona el sistema de posicionamiento visual (VPS)
La pieza clave de este desarrollo es el llamado sistema de posicionamiento visual (VPS), una tecnología de navegación que se apoya en lo que “ve” la cámara en lugar de depender únicamente de las señales de los satélites. En la práctica, el modelo recibe la imagen del entorno, la compara con su gigantesco archivo y calcula la posición del dispositivo con un margen de error muy reducido.
Cada fotografía almacenada incluye metadatos exhaustivos: la ubicación exacta, la orientación del teléfono, la dirección en la que apuntaba la cámara, si el usuario estaba parado o en movimiento e incluso la velocidad de desplazamiento. Gracias a esa información contextual, el sistema puede reconstruir la escena y saber no solo dónde estaba la persona, sino también hacia dónde miraba.
El objetivo inicial de Niantic con esta tecnología era mejorar la realidad aumentada. Para que un contenido digital quede perfectamente alineado con el mundo real cuando miramos a través de unas gafas de AR o del propio móvil, hace falta una localización espacial muy precisa, capaz de entender con detalle paredes, esquinas, suelos y objetos.
Sin embargo, la compañía sostiene que el contexto ha cambiado y que ahora se abre una oportunidad mucho mayor ligada a la robótica. Directivos como John Hanke hablan de una auténtica “explosión cámbrica en robótica”, con el auge de robots de distinto tipo que necesitan interpretar el mundo físico con más sentido común del que ofrecen los modelos de lenguaje tradicionales.
En ese escenario, el VPS funciona como una capa adicional que complementa al GPS. Donde la señal satelital se degrada, rebota en los edificios o introduce errores de hasta 50 metros —algo habitual en los llamados “cañones urbanos”—, el robot puede apoyarse en la visión para corregir su posición y saber con precisión en qué esquina, portal o paso de peatones se encuentra.
Robots de reparto de última milla guiados por el mapa de Pokémon Go
La primera aplicación a gran escala de este mapa mundial llega de la mano de Coco Robotics, una startup que despliega robots autónomos de reparto de última milla en varias ciudades. Estos pequeños vehículos, del tamaño aproximado de una maleta o un baúl de transporte, se encargan del tramo final del envío: desde el comercio hasta la puerta del cliente, moviéndose por la acera y no por la calzada.
Coco asegura operar ya en torno a 1.000 robots repartidos por áreas como Los Ángeles, Chicago y Nueva Jersey, mientras que otras ciudades como Miami y Helsinki han empezado a apoyarse en esta tecnología para determinados servicios de entrega. Cada unidad está diseñada para cargar desde ocho pizzas extra grandes hasta varias bolsas de compra, resolviendo encargos de comida rápida o supermercado.
Según su director ejecutivo, Zach Rash, la flota ha completado ya más de medio millón de entregas y ha recorrido varios millones de millas en diferentes condiciones meteorológicas. Para este tipo de operación, admite que la clave es llegar exactamente donde se promete, en el tiempo anunciado, y cualquier desvío de pocos metros puede generar problemas.
El gran obstáculo está en que muchas de las zonas donde trabajan estos robots son precisamente las más complicadas para el GPS: barrios densos, edificios altos, pasos subterráneos, autopistas elevadas y calles estrechas donde la señal se distorsiona y el punto azul del mapa aparece desplazado a la manzana de al lado.
Ahí es donde entra en juego la alianza con Niantic Spatial. Integrando el VPS con los sensores del robot, Coco busca que sus máquinas sepan con exactitud dónde se encuentran en cada momento y qué tienen justo delante, de forma que puedan detenerse en el lugar correcto sin bloquear el paso y sin dejar el pedido dos portales más allá.
Qué ve un robot y cómo aprovecha el mapa mundial
Cada robot de Coco va equipado con cuatro cámaras situadas a una altura parecida a la de la cadera de una persona, capaces de registrar lo que ocurre alrededor en todas direcciones. Su perspectiva no es la misma que la de un jugador de Pokémon Go que levanta el móvil a la altura de la cara y enfoca monumentos o fachadas concretas, pero el modelo de Niantic se ha adaptado para interpretar también ese tipo de imágenes.
En la práctica, el robot capta su entorno, envía la imagen al sistema de posicionamiento visual y recibe una estimación muy precisa de dónde está y hacia dónde se dirige. Esa localización mejora la planificación de rutas y, sobre todo, los momentos más delicados: el punto de recogida en un restaurante, la espera sin estorbar en la acera y la llegada exacta al portal del cliente.
Los responsables de Niantic subrayan que el problema técnico de conseguir que Pikachu parezca correr pegado al suelo de una calle y el de lograr que un robot de reparto se mueva con seguridad entre peatones y obstáculos es, en el fondo, muy similar: en ambos casos hace falta entender el espacio físico con una precisión casi humana.
El sistema también está pensado para reaccionar ante imprevistos. Si alguien empuja ligeramente al robot o si tiene que esquivar un objeto, el modelo puede recalcular de nuevo su posición visual para volver a situarlo correctamente sobre el mapa, sin que se pierda o gire en una dirección equivocada.
Aunque Coco es de los primeros en usar este VPS con fines comerciales, no es la única empresa que apuesta por el posicionamiento visual en robótica de reparto. Otras, como Starship Technologies, construyen sus propios mapas 3D del entorno a partir de sensores y cámaras para registrar bordes de edificios, farolas y otros elementos urbanos que funcionan como puntos de referencia.
Un “mapa vivo” que se actualiza con cada robot
Niantic va un paso más allá y plantea que este gran mapa mundial no sea una foto congelada del planeta, sino un “mapa vivo” que cambie a la vez que cambia el mundo físico. La idea es que, además de aprovechar las escenas captadas por los jugadores, los propios robots contribuyan con nuevas imágenes mientras se mueven por las calles.
En ese esquema, cada trayecto sirve para actualizar el modelo: se registran nuevos comercios, obras en la vía pública, cambios en la señalización o modificaciones urbanas que van transformando la ciudad. Todo eso alimenta una réplica digital cada vez más detallada y dinámica con la que las máquinas pueden anticipar mejor lo que se van a encontrar.
Si este tipo de mapas se consolida, dejarán de ser solo herramientas pensadas para personas que quieren ir de un punto A a un punto B. Pasarán a ser, sobre todo, una infraestructura básica para máquinas que necesitan saber no solo dónde están, sino qué objetos tienen alrededor, cómo pueden moverse y qué riesgos deben evitar.
Es lo que algunos expertos engloban bajo la etiqueta de modelos del mundo: sistemas que tratan de representar el entorno físico con un nivel de detalle suficiente como para que los agentes de inteligencia artificial puedan interactuar con él con algo parecido al sentido común humano.
Frente a otros enfoques, como los de Google DeepMind o World Labs, que generan mundos virtuales para entrenar agentes en entornos simulados, Niantic defiende que su apuesta se basa en extender el mapeo del mundo real lo máximo posible. Según sus responsables, todavía están lejos de una recreación completa, pero ese es el horizonte en el que trabajan.
Lo que en su día pareció tan solo un entretenimiento de verano se ha convertido en la base de un mapa mundial de Pokémon Go capaz de orientar robots autónomos con enorme precisión. Las mismas imágenes que servían para atrapar criaturas digitales ayudan ahora a que pequeños vehículos de reparto recorran ciudades complejas, esquiven obstáculos y encuentren el portal exacto del cliente, anticipando un futuro en el que buena parte de la logística urbana dependa de cómo ven y entienden nuestras calles estas nuevas máquinas.
from Actualidad Gadget https://ift.tt/miH1ZNl
via IFTTT
No hay comentarios:
Publicar un comentario