Un método de la Universidad de Maryland mejora la percepción de los robots ante paredes de cristal

Un robot que recorre un edificio de oficinas puede chocar contra una mampara de cristal porque sus sensores no la detectan como un obstáculo. Investigadores de la Universidad de Maryland han desarrollado PolarDepth, un método que combina imágenes convencionales con información sobre la polarización de la luz para mejorar la estimación de profundidad en entornos acristalados.

Por Redacción9 de octubre de 2026, 08:25

El problema del cristal en la percepción robótica

Para un robot, reconocer un entorno no es tan sencillo como para una persona. Mientras que un humano sabe que no puede atravesar una pared de cristal aunque vea lo que hay al otro lado, una máquina puede interpretar la transparencia como un espacio libre. Esto se debe a que los sensores convencionales no siempre detectan el vidrio como un obstáculo sólido.

Según la información publicada por Xataka, el cristal introduce errores en el proceso de convertir lo que captan los sensores en un mapa del espacio. Una ruta que parece despejada puede no coincidir con los obstáculos reales. Para abordar este problema, Naitri Rajyaguru y sus colaboradores en la Universidad de Maryland desarrollaron PolarDepth, un método para mejorar las estimaciones de profundidad y movimiento.

Dos trampas ópticas: la cámara y el láser

El cristal plantea dificultades tanto para las cámaras como para los sensores láser. Una cámara puede mostrar los objetos al otro lado del vidrio como si nada interrumpiera la vista, porque el cristal apenas aporta textura propia. Además, los reflejos sobre la superficie cambian con la posición de la cámara, lo que puede confundir al sistema.

Los sensores láser, por su parte, tienen un problema distinto: parte de la señal atraviesa el vidrio y se refleja en objetos situados detrás, mientras que otra parte se desvía sin regresar al receptor. Esto depende del ángulo de incidencia y de las características del material. PolarDepth aborda estas limitaciones utilizando una propiedad adicional de la luz: la polarización.

Cómo funciona PolarDepth

PolarDepth utiliza una única cámara de polarización que obtiene dos representaciones: una imagen convencional en color y una segunda, denominada Polar-RGB, que incorpora información sobre la polarización de la luz. A partir de ambas, el sistema genera estimaciones independientes de profundidad y luego combina los resultados píxel a píxel.

El sistema entrenado da más peso a la información que considera más fiable en cada zona. Así, puede aprovechar la imagen convencional donde ofrece buenos resultados y recurrir a las pistas de la polarización en superficies reflectantes, como las mamparas de cristal. Según los autores, las pruebas con escenas reales y sintéticas mostraron mejoras tanto en la estimación de distancias como en la odometría visual, que permite calcular el movimiento de una cámara a partir de las imágenes que registra.

Contexto y limitaciones

El problema del cristal no es nuevo. En 2017, investigadores de la Universidad Tecnológica de Sídney publicaron un estudio sobre cómo reconocer paneles acristalados aprovechando la intensidad de la luz láser reflejada. Incorporaron su método a un sistema de localización y creación de mapas y lo probaron con un robot PR2 en dos edificios de oficinas. Según los autores, identificaron aproximadamente el 95% de los paneles sin registrar falsos positivos.

A pesar de los avances, los experimentos de PolarDepth no demuestran que la tecnología elimine las colisiones durante la navegación autónoma. Los robots todavía enfrentan desafíos como reconocer objetos, manipularlos sin dañarlos, ajustar la fuerza de agarre y adaptarse a situaciones imprevistas. Mientras tanto, empresas como Tesla, Agility Robotics y Boston Dynamics ya están llevando robots a entornos controlados en fábricas y operaciones logísticas, según investigaciones citadas por Xataka.