Espacio

Robots de Cuatro Patas se Preparan para la Exploración Autónoma de Marte

mm
Publicado el
Actualizado el

Un día, la exploración espacial podría utilizar astronautas que vivan permanentemente fuera del planeta, como se concibe en las misiones Artemis para la Luna, o por Elon Musk para Marte.

Aun así, incluso con presencia humana, gran parte del trabajo necesario en el espacio será realizado por robots, si no por otra razón, porque son mucho más fáciles de reemplazar que los astronautas humanos y mucho menos vulnerables al aire tóxico o al vacío, la radiación, temperaturas extremas, etc.

Idealmente, la mayoría de los rovers y robots deberían poder manejarse a sí mismos para tareas simples, con los humanos en la Tierra o in situ involucrados solo para ayudarles a resolver problemas específicos o determinar sus misiones diarias.

A medida que la IA avanza rápidamente, incluido el AI físico, un concepto ahora defendido por el líder de IA NVIDIA, esta visión de ciencia ficción podría ya ser una realidad.

Para misiones aún más lejanas, como en las lunas de Júpiter, el retraso en la comunicación, de hasta una hora, hace que cualquier control directo sea aún más complicado, lo que convierte cualquier decisión autónoma de las sondas en un valor añadido.

“Los rovers están diseñados para la eficiencia energética y la seguridad, y para moverse lentamente a través de terrenos peligrosos. Como resultado, la exploración suele limitarse a solo una pequeña porción del sitio de aterrizaje, con rovers que normalmente viajan hasta unos pocos cientos de metros por día, lo que dificulta la recopilación de datos geológicamente diversos.”

Otro paso será dar a los robots de exploración espacial mayor capacidad de moverse libremente. Después de todo, las ruedas y las orugas pueden ser más fiables, pero no es como si hubiera carreteras esperándolos en la Luna y Marte.

Como resultado, la mayoría de las misiones de exploración robótica hasta ahora se han centrado en regiones relativamente planas y fácilmente navegables. Pero esas áreas podrían no ser las más útiles para la futura colonización espacial.

Por ejemplo, los tubos de lava podrían ser refugios preconstruidos perfectos para futuros astronautas, pero nunca hemos explorado uno adecuadamente, aunque se está planificando la exploración de tubos de lava impulsada por IA. Y la mayoría de los recursos probablemente se encontrarán en cráteres profundos (agua) o regiones montañosas (metales y otros depósitos minerales).

“En la Luna, muchos recursos clave se encuentran en terrenos de difícil acceso, incluidos depósitos piroclásticos ricos en volátiles y titanio, basaltos KREEP con REE, y hielo de agua dentro de regiones permanentemente sombreadas cerca del Polo Sur. En Marte, también se han identificado exposiciones de hielo de agua y regolito rico en metales en regiones de alta latitud y altiplanos, a menudo dentro de pendientes inestables o entornos geológicos fracturados.”

Por lo tanto, se necesitan robots más avanzados, con “robocanes” cuadrúpedos como una opción probable, ya que este diseño está ganando popularidad también en la Tierra.

Esta posibilidad está siendo probada por investigadores suizos en la ETH Zúrich, la Universidad de Zúrich, el Instituto de Exploración Espacial de Neuchâtel, la Universidad de Basilea y la Universidad de Berna.

Utilizaron un robot cuadrúpedo, probaron si podía manejar la exploración semiautónoma y la recolección de muestras en un entorno espacial reconstruido, y publicaron sus hallazgos en Frontiers In Space Technologies1, bajo el título “Semi-autonomous exploration of martian and lunar analogues with a legged robot using a Raman-equipped robotic arm and microscopic image”.

Recreando Marte en la Tierra

Los investigadores usaron la instalación Marslabor en la Universidad de Basilea, que simula condiciones de superficie planetaria usando rocas análogas, regolito (polvo planetario) y condiciones de iluminación análogas para recrear un entorno idéntico al de Marte, excepto por la gravedad.

Marslabor abarca una sala de 80 m² con una zona de pruebas de 40 m² compuesta de materiales análogos marcianos. Esto incluyó rocas con un gran potencial para la preservación de biosignaturas, como yeso o roca carbonatada, que serían de gran interés en una exploración marciana real que busque investigar actividad biológica pasada en el Planeta Rojo.

Además, se incluyeron tipos de roca indicativos de flujos de agua pasados, como roca carbonatada siliciclástica y basalto que contiene azufre.

Una sección de la sala también recreaba condiciones lunares, con tipos de roca que podrían ser una fuente útil de óxidos, titanio, aluminio y silicio.

Exploradores de Cuatro Patas

Robot Polivalente con Sensores

El robot usado en este estudio fue un robot ANYmal construido por la empresa suiza ANYbotics, especializada en inspecciones industriales en áreas peligrosas. Para habilitar el mapeo y la localización, ANYmal está equipado con un LiDAR VLP-16 Puck LITE de Velodyne, seis sensores estereoscópicos activos RealSense D435 de Intel para mapeo de elevación, y dos cámaras gran angular FLIR Blackfly para proporcionar flujos de imágenes RGB.

El robot estaba equipado con un microscopio de imágenes (MICRO) y un espectrómetro Raman MIRA RTX producido por la empresa suiza Metrohm. Estos sensores fueron instalados en un brazo robótico desarrollado internamente por la ETH (Eidgenössische Technische Hochschule – Instituto Federal Suizo de Tecnología).

Fue controlado remotamente por un operador mediante una interfaz gráfica de usuario (GUI) que muestra un mapa digital de elevación y imágenes de cámara donde se transmiten los comandos y tareas.

El objetivo del microscopio MICRO es capturar imágenes de cerca de la textura, grano y color de las muestras de roca, un conjunto de datos crucial para identificar el tipo de roca y su composición. Incorpora un microscopio USB, un anillo de 48 LEDs RGB, un sensor de tiempo de vuelo (ToF) y electrónica de control. Un anillo de espuma evitaba que la luz externa entrara cuando MICRO estaba en contacto con el objetivo.

El espectrómetro Raman presentaba un láser de excitación infrarroja con una longitud de onda de 785 nm y una potencia máxima de 100 mW, con un rango que abarca de 400 a 2 300 cm⁻¹ con una resolución de 8–10 cm⁻¹. Los datos complementan la observación de MICRO al revelar la composición química de las rocas estudiadas.

Investigación con y sin Humanos

Dos conceptos operacionales para el reconocimiento científico robótico: uno con control humano clásico, y el otro con muestreo multi‑objetivo semiautónomo con mínima intervención humana.

En el método asistido por humanos, el operador identificaba un objetivo en la imagen de la cámara y seleccionaba un punto de navegación en la GUI gráfica. Luego, el operador podía revisar inmediatamente los datos entrantes y decidir si se necesitaban mediciones adicionales. El operador también elegía cuántas mediciones Raman se desplegaban y determinaba sus ubicaciones específicas en la roca.

En el método semiautónomo, se dieron comandos predefinidos al robot con antelación, incluyendo locomoción, navegación por puntos, despliegue de instrumentos y retorno de datos. Una vez cargadas las instrucciones, el robot ejecutó todas las tareas de forma autónoma, desde el movimiento hasta el despliegue del brazo robótico y las mediciones científicas.

Después de completar la secuencia de medición en cada objetivo, el robot continuó su ciclo de ejecución de forma autónoma, desplazándose al siguiente objetivo y guardando los datos después de cada medición. Solo cuando se completaran las mediciones de todos los objetivos, el robot transmitiría los datos recopilados a la estación base.

Los resultados del análisis confirmaron la utilidad de combinar diferentes instrumentos, ya que la combinación de Raman y MICRO aumentó la probabilidad de identificar correctamente una roca dada.

El método semiautónomo identificó correctamente al menos un tercio de los objetivos por ciclo, alcanzando una identificación del 100 % de los objetivos en una de cada cuatro misiones análogas. Las misiones multi‑objetivo tomaron entre 12 y 23 minutos, mientras que una misión guiada por humanos requirió 41 minutos para completar análisis comparables.

Así, aunque los resultados fueron menos perfectos, se pudo realizar un análisis mucho más exitoso por minuto, lo que lleva a una mayor eficiencia general. Esta experiencia confirmó que robots más autónomos podrían explorar rápidamente grandes áreas de superficies planetarias.

Además, una vez identificado, una muestra interesante puede ser analizada manualmente por los científicos en investigaciones posteriores.

“En lugar de depender únicamente de suites de instrumentos grandes y complejas, futuras misiones podrían desplegar robots ágiles que escaneen rápidamente el entorno y señalen objetivos prometedores para una investigación detallada.”

Mejorando la Exploración Robótica

Los investigadores también observaron que las herramientas desplegadas fueron todas desarrolladas pensando en el control humano directo. Esto significa que el robot semiautónomo a veces sufría de colocación del brazo fuera del objetivo, lo que provocaba imágenes MICRO borrosas o datos Raman demasiado ruidosos.

Un sistema mejorado podría volver a realizar la prueba con ligeros ajustes automáticos del brazo en caso de imágenes borrosas o datos espectrométricos deficientes. Los programas de mayor automatización también podrían ayudar.

“Para pasar a un nivel aún más alto de autonomía, los robots podrían detectar objetivos de interés de forma autónoma basándose en forma, color y textura. En escenarios donde la transmisión de datos es muy lenta (por ejemplo, en el sistema solar exterior), el robot podría entonces tomar medidas de forma autónoma sobre esos objetivos.”

Este sistema tampoco aprovechó los avances recientes en IA, los cuales podrían otorgar a los robots una autonomía mucho mayor en el futuro, como discutimos en “Space 2.0: The Rise of Autonomous Robots and AI”. Por lo tanto, protocolos aún más avanzados de detección y posterior escaneo podrían aportar mediciones más eficientes y autónomas. A partir de ahí, entrenar un modelo de IA especializado con datos reales de robots en Marte o la Luna podría hacer que generaciones futuras de sondas sean aún más eficientes.

Invirtiendo en Robótica Espacial

Intuitive Machines

(LUNR )

Enviar sondas autónomas a objetos interestelares requerirá una gran experiencia en la construcción de sondas espaciales de gran tamaño y en hacer que lleguen al lugar correcto intactas. Por ahora, esto ha sido mayormente dominio de instituciones públicas como NASA, la ESA y universidades asociadas.

Esto está cambiando a medida que nos acercamos al punto en que las empresas privadas podrían comenzar a enviar misiones automatizadas o tripuladas para extraer recursos de asteroides, especialmente de objetos cercanos a la Tierra. Este tipo de proyecto probablemente será el siguiente paso o se realizará en paralelo al regreso de misiones tripuladas a la Luna, planeado para los próximos años.

Fundada en 2013 en Houston, Texas, Intuitive Machines es, por ahora, una empresa muy “enfocada en la Luna”, como indica su ticker LUNR, y ya ha sido seleccionada para 4 misiones lunares de la NASA, y emplea a más de 400 personas.

Fue la primera empresa comercial en aterrizar y transmitir datos científicos desde la Luna. También realizó el primer disparo del motor LOx/LCH4 (oxígeno líquido, metano líquido) en el espacio. La compañía está trabajando en muchos proyectos que formarán la base de una infraestructura lunar para la exploración y el asentamiento.

El primero es el “servicio de transmisión de datos”, con la tecnología en fase de pruebas, y con la intención final de crear una constelación de transmisión de datos lunar alrededor de la órbita de la Luna.

La segunda parte es la “Infraestructura como Servicio”. Debería incluir servicios de telecomunicaciones, servicios de localización GPS y Vehículos de Superficie Lunar (LTV) capaces de operaciones autónomas.

El último segmento es la entrega de material a la superficie lunar. Hasta ahora, la compañía ha entregado cargas útiles científicas con el lander Nova-C, un módulo de aterrizaje de 4,3 metros de altura (14 pies) capaz de entregar 130 kg de carga a la Luna.

El siguiente paso será con el lander Nova-D, capaz de entregar entre 1 500 y 2 500 kg de material a la Luna. Esta capacidad y tamaño serán los requeridos para la entrega del Vehículo de Terreno Lunar (LTV), así como del reactor nuclear de energía superficial de 40 kW que se espera alimente la base lunar.

La compañía ha asegurado numerosos contratos valiosos con la NASA, por ejemplo, el contrato Near Space Network, con un valor potencial máximo de 4,82 mil millones de dólares. La decisión final del contrato LTV por parte de la NASA entre los 3 proveedores potenciales se espera para finales de 2025, y también tendría un valor de hasta 4,6 mil millones de dólares.

Además de la NASA, la empresa está intentando diversificar su base de clientes, habiendo sido seleccionada en abril de 2025 para una subvención de hasta 10 millones de dólares por la Comisión Espacial de Texas.

Esto apoyará el desarrollo de un vehículo de reentrada terrestre y un laboratorio de fabricación orbital diseñado para habilitar la biomanufactura en microgravedad. Este vehículo de reentrada también proporcionará una opción de respaldo y reducirá los riesgos para las futuras misiones de retorno de muestras lunares de la compañía.

Otro proyecto es el desarrollo de satélites nucleares de bajo consumo y sigilo para un contrato del laboratorio de investigación de la Fuerza Aérea, JETSON.

A medida que la compañía alcanza un punto de flujo de caja libre positivo en el primer trimestre de 2025, y con el contrato de telecomunicaciones lunar, ahora se vuelve mucho más segura para los inversores, pasando de una startup que consume efectivo a un proveedor de servicios establecido para la creciente economía espacial.

Y podría constituir el bloque de construcción para una mayor exploración del espacio profundo y la utilización de recursos espaciales, especialmente al convertirse en un socio de confianza de la NASA al mismo nivel que SpaceX (próximamente cotizará en bolsa tras su fusión con xAI) o Rocket Lab (RKLB ).

(Puedes leer más sobre Intuitive Machines en nuestro informe de inversión dedicado a la compañía.)

Últimas Noticias y Desarrollos de Acciones de Intuitive Machines (LUNR)

Estudio Referenciado

1. Gabriela Ligeza, Philip Arm, et al. Semi-autonomous exploration of martian and lunar analogues with a legged robot using a Raman-equipped robotic arm and microscopic imager. Frontier Space Technologies, 31 marzo de 2026. Volume 7 – 2026 | https://doi.org/10.3389/frspt.2026.1741757 

mm

Jonathan es un ex investigador de bioquímica que trabajó en análisis genético y ensayos clínicos. Ahora es un analista de acciones y escritor de finanzas con un enfoque en innovación, ciclos del mercado y geopolítica en su publicación The Eurasian Century.