Ballenas, gacelas y murciélagos lideran la revolución de los robots industriales

En entornos industriales modernos, la automatización es clave para lograr cadenas logísticas más rápidas, seguras y eficientes. Dentro de este ecosistema, los vehículos de guiado automático (AGV, por sus siglas en inglés) se han convertido en piezas esenciales para el transporte de mercancías en fábricas, almacenes y centros logísticos. Sin embargo, su operatividad en espacios reducidos y altamente dinámicos plantea importantes retos: evitar colisiones, optimizar rutas en tiempo real y mantener un flujo constante sin comprometer la seguridad.

Un equipo de investigadores de la Universidad de Burgos y la Universidad Complutense de Madrid ha desarrollado una innovadora solución basada en algoritmos bioinspirados, una técnica que toma como referencia estrategias de la naturaleza para resolver problemas complejos. Lejos de ser una simple curiosidad teórica, este enfoque ha demostrado mejorar significativamente la eficiencia y seguridad de los AGV en escenarios industriales reales.

Murciélagos, ballenas y gacelas no suelen formar parte del vocabulario habitual de la ingeniería logística. Sin embargo, sus patrones de comportamiento han servido de modelo para tres algoritmos diferentes que simulan su forma de moverse o buscar soluciones óptimas. Aplicados al diseño de trayectorias, estos algoritmos han sido capaces de generar rutas más suaves, evitar obstáculos de forma más inteligente y adaptarse a los cambios del entorno con mayor rapidez.

Los directores de este proyecto y miembros del grupo de investigación ARCO (Automática, Robótica, Control y Optimización) de la UBU son Eduardo Bayona, profesor ayudante doctor en el área de Ingeniería de Sistemas y Automática en la Universidad de Burgos, y Jesús Enrique Sierra, profesor titular en el área de Ingeniería de Sistemas y Automática de la Universidad de Burgos. También ha colaborado en el estudio Matilde Santos, catedrática en el área de Ingeniería de Sistemas y Automática en la Universidad Complutense de Madrid.

Este proyecto surge en el marco de una colaboración estratégica entre la Universidad de Burgos con Michelin Aranda. Esta empresa, dentro de su estrategia de innovación, mostró su interés en la aplicación de nuevos algoritmos y estrategias inteligentes para la optimización de sus procesos logísticos y productivos. Fruto de esta colaboración se ha creado recientemente una Cátedra para la Transferencia de Conocimiento en Automática y Robótica, explica Sierra.

Bayona, por su parte, nos cuenta que la idea de aplicar algoritmos bioinspirados a la optimización de rutas de los AGV surgió al identificar las limitaciones de los métodos tradicionales de optimización, que no son suficientemente flexibles para adaptarse a la complejidad y dinámica de los entornos industriales. Los algoritmos bioinspirados, que imitan comportamientos observados en la naturaleza, ofrecen un enfoque más adaptable y eficiente para resolver problemas de optimización multidimensionales y no lineales, comunes en las situaciones de trabajo bajo las que operan los AGV en estos entornos, donde deben navegar por áreas congestionadas con numerosos obstáculos.

Esto plantea desafíos importantes, como la necesidad de evitar colisiones, mantener distancias de seguridad adecuadas y minimizar los tiempos de trayecto. Esta investigación aborda estos problemas mediante una metodología avanzada para el cálculo y la generación de trayectorias, utilizando algoritmos bioinspirados que optimizan las rutas considerando tanto la seguridad como la eficiencia operativa en función de estos parámetros.

Se eligieron el algoritmo de murciélago (BA), el de ballena (WOA) y el de gacela (GOA) debido a sus características particulares, que los hacen adecuados para abordar diferentes aspectos de la optimización de trayectorias. El BA es eficaz para explorar soluciones en entornos con restricciones, ofreciendo una buena capacidad de búsqueda en espacios complejos. El WOA, inspirado en el comportamiento de las ballenas, es conocido por su rapidez en encontrar soluciones eficaces, mientras que el GOA, inspirado en el comportamiento de las gacelas, es particularmente eficiente en escenarios con alta densidad de obstáculos, lo que mejora la seguridad en su trayecto.

Estos algoritmos ofrecen varias ventajas frente a los métodos tradicionales. Gracias a su capacidad para explorar una amplia variedad de soluciones y a su naturaleza estocástica, evitan que el algoritmo se quede atrapado en soluciones subóptimas, algo que es común con los enfoques más convencionales y que es especialmente valioso en escenarios complejos. Son altamente adaptativos, lo que les permite ajustarse con eficacia a los cambios y la complejidad de los entornos. En el caso de los AGV, esta flexibilidad es fundamental para generar trayectorias que maximicen tanto la seguridad como la eficiencia y minimicen riesgos.

Uno de los principales retos del proyecto, según Bayona, fue lograr un equilibrio adecuado entre la seguridad y la eficiencia de las trayectorias. Aunque los algoritmos bioinspirados permiten explorar una amplia variedad de soluciones, ajustar sus parámetros para evitar colisiones sin afectar el tiempo de trayecto fue un desafío clave. Fue necesario desarrollar una función de coste específica que equilibrara ambos factores de manera efectiva. Para ello, se diseñó una metodología propia que afinó el proceso de diseño hasta encontrar una solución apropiada, asegurando tanto la seguridad del vehículo como su eficiencia operativa en el entorno productivo.

Además, Santos explica que estos algoritmos pueden aplicarse a otros tipos de vehículos autónomos como los coches, los drones o diferentes tipos de vehículos aéreos no tripulados, vehículos submarinos, robots de servicio, etc., y asevera que tendrán sin duda un impacto significativo en la automatización industrial en los próximos años, puesto que proporcionan mayor flexibilidad, eficiencia y autonomía en el ámbito de las fábricas inteligentes. Se aplicarán para la optimización de procesos en logística y gestión de recursos, en la robótica colaborativa para llevar a cabo tareas coordinadas, y de esta forma mejorar sus prestaciones.