Robótica táctil alcanza 95% de precisión en corte de alimentos de textura variable

Un sistema de tres brazos desarrollado en Noruega demuestra que el aprendizaje profundo por refuerzo puede replicar la destreza manual en tareas alimentarias de alta exigencia

Investigadores de la Universidad Noruega de Ciencia y Tecnología (NTNU) desarrollaron un sistema robótico de tres brazos capaz de cortar salmón fresco para sashimi con una precisión táctil del 95%, según datos publicados por el equipo. El resultado representa un punto de inflexión técnico para la automatización de procesos que involucran materiales blandos y de geometría variable, un segmento donde la robótica industrial había encontrado límites estructurales hasta ahora.

El sistema —denominado Sashimi-Bot— distribuye funciones entre sus tres extremidades: uno estabiliza y posiciona el filete, otro opera un cuchillo de chef, y el tercero transfiere las piezas cortadas mediante palillos. El desafío central no era la velocidad, sino la adaptabilidad: el salmón crudo se deforma durante la manipulación, lo que invalida trayectorias de corte predefinidas. Para resolverlo, el equipo entrenó al robot mediante aprendizaje profundo por refuerzo en entornos virtuales, con miles de movimientos simulados que luego se transfirieron al sistema físico sin reentrenamiento adicional con material real. La detección del contacto entre el cuchillo y la tabla de corte —un parámetro crítico— se logró integrando un sensor táctil GelSight, entrenado con más de 12,000 muestras de datos y 157 movimientos de corte, que alcanzó 99% de precisión en condiciones controladas.

En pruebas con filetes reales, el robot ejecutó 34 cortes de entre 6 y 16 milímetros de grosor y transfirió exitosamente 26 de 28 piezas a la bandeja de destino. Los únicos fallos registrados ocurrieron con rebanadas extremadamente delgadas que resbalaron de los palillos. Para directivos de manufactura, logística alimentaria o salud —sectores donde la manipulación de materiales deformables es un cuello de botella operativo—, este caso ilustra una ruta técnica concreta: la combinación de simulación, aprendizaje por refuerzo y retroalimentación táctil puede sustituir la destreza manual en tareas de alta variabilidad. Entorno ha documentado este avance como parte del seguimiento a tendencias de automatización con impacto directo en decisiones de inversión tecnológica para la industria.