Para nosotros es evidente que una mampara de cristal no es solo aire, pero para un robot ese mismo material transparente puede convertirse en una trampa invisible. Las cámaras convencionales ven lo que hay al otro lado como si nada interpusiera su paso, mientras que los sensores láser pueden atravesar el vidrio o desviar su señal sin saber que hay una barrera física. Es uno de esos obstáculos cotidianos que apenas notamos, pero que revela lo complejo que puede resultar para una máquina comprender el espacio que lo rodea.
La solución podría venir de una propiedad de la luz que solemos pasar por alto: la polarización. Mientras una cámara normal registra color y brillo, la polarización nos dice cómo oscila la luz al reflejarse, y ese patrón cambia de forma característica al chocar contra una superficie de vidrio. Investigadores de la Universidad de Maryland han desarrollado un sistema llamado PolarDepth que aprovecha esto utilizando una única cámara especializada capaz de capturar tanto la imagen convencional como esa información adicional. A partir de ambas, genera dos estimaciones de profundidad y las combina píxel a píxel, confiando en la visión clásica donde funciona bien y recurriendo a la polarización justo donde las superficies transparentes confunden al resto de sensores.
Las pruebas realizadas con escenas reales y simuladas han mostrado mejoras notables a la hora de calcular distancias y seguir el movimiento de la cámara en entornos con abundante cristalería. El sistema no elimina por completo el riesgo de colisiones, pero reduce significativamente los errores de percepción que llevan a los robots a chocar contra paredes que no ven. No es, por lo demás, el primer intento de resolver este problema: ya en 2017, un equipo de la Universidad Tecnológica de Sídney logró identificar el 95% de los paneles acristalados mediante el análisis de los reflejos del láser, demostrando que el reto es conocido y que se avanza por distintas vías.
Mientras empresas como Tesla, Agility Robotics o Boston Dynamics comienzan a desplegar robots en entornos industriales y logísticos controlados, desafíos como este recuerdan que la navegación autónoma en espacios compartidos requiere resolver detalles que para nosotros son instintivos. Reconocer objetos, ajustar la fuerza al agarrarlos o simplemente distinguir una puerta de cristal de la salida abierta siguen siendo obstáculos que, una vez superados, permitirán que estas máquinas convivan con nosotros sin chocar contra lo que a nuestros ojos parece obvio.
