Els braços robòtics flexibles, que es doblegen de manera contínua com una trompa i no tenen articulacions rígides, serveixen per treballar en espais estrets i amb objectes fràgils. El problema és que el seu moviment és difícil de predir: els models d'IA que avancen pas a pas acumulen errors i, en previsions llargues, de 200 passos, s'acaben desviant.
Un equip de l'Escola de Fabricació Avançada i Robòtica de la Universitat de Pequín, amb Ahsan Tanveer com a primer autor i els professors Xie Guangming i Zhang Feitian, proposa combinar-ne dos. Un model «àncora» aprèn la forma on es queda el braç quan les ordres es mantenen constants i hi atrau cada predicció; un segon model lleuger, de «correcció», aprèn a partir de dades de moviment les oscil·lacions i les corbes. El treball, titulat «Stabilizing 3D Continuum-Arm Rollouts via Equilibrium Anchoring and Feature-Lifted Residual Learning», es va presentar al congrés Robotics: Science and Systems (RSS 2026), a Sydney, el juliol.
En simulació, amb un braç tridimensional accionat per cables i previsions de 200 passos (uns sis segons) fora de l'abast de les dades d'entrenament, el model híbrid va reduir l'error en més d'un 25% respecte de només l'àncora, va superar el model de correcció sol i va aguantar les 19 proves. En una cua hidràulica flexible, de forma de peix, l'error va ser la meitat o menys que amb l'àncora sola i una quarta part o menys que amb la correcció sola. L'objectiu és que un controlador pugui provar moviments en simulació i triar el més segur abans de moure el braç real.
Cal llegir-ho amb mesura. La nota de premsa no dona errors absoluts, només comparacions relatives; no diu amb quin altre mètode es compara ni amb quines proves, i només s'han provat un braç simulat i una plataforma física. El cost de càlcul es descriu com a «lleuger», sense xifres, i per verificar els detalls caldria llegir l'article complet de les actes del congrés (DOI 10.15607/rss.2026.xxii.106).