La visión de las máquinas es clave para tecnologías como robots, coches autónomos o drones, pero estos sistemas aún tienen dificultades cuando la luz cambia de forma brusca, como al pasar de un túnel oscuro a plena luz del día. A diferencia de los ojos humanos o de los animales, que se adaptan automáticamente, muchas cámaras dependen de programas informáticos que corrigen la imagen. Este proceso puede ser más lento y consumir más energía, además de que sus resultados no siempre son todo lo eficientes que deberían ser.
Así que, para mejorar esto, un grupo de investigadores de la Universidad de Carolina del Norte junto a la Universidad de Westlake y otros centros han creado un ojo artificial inspirado en la naturaleza. Su trabajo, publicado en la revista Science Robotics y que recogen desde Digital Trends, intenta copiar cómo funciona la pupila en los seres vivos, la cual se ajusta sola sin cantidad de luz.
Un sistema que funciona como un ojo real
Explican que la clave de este sistema es una pupila hecha de metal líquido, en concreto de una aleación de galio e indio. Este material está colocado en pequeños canales flexibles y reacciona a señales eléctricas que se generan cuando entra luz. Si hay mucha luz, la pupila se hace más pequeña para proteger el sistema. En cambio, si hay poca, se agranda para dejar pasar más luz. Todo esto ocurre automáticamente sin necesidad de utilizar ningún programa complejo.
Para entender el sistema que funciona de manera similar al ojo real, explican que el ojo artificial tiene tres partes principales: una retina curva con sensores de luz, unas neuronas de metal líquido que convierten la luz en señales eléctricas y la pupila adaptable. Esta pupila no solo cambia de tamaño, sino que también lo hace de forma y puede imitar diferentes tipos de pupilas ya existentes en animales, como la redonda de los humanos o las más alargadas de otros seres, permitiendo adaptarse mejor a distintos entornos.
Durante las primeras pruebas, el sistema mejoró bastante los resultados y es que la precisión al reconocer imágenes en condiciones difíciles pasó de alrededor del 68% a más del 83%, algo muy importante porque permite a las máquinas ver mejor en situaciones reales. Por el momento, esto se trata de un prototipo, pero los científicos trabajan en hacerlo más pequeño, eficiente y completo, para que en un futuro pueda utilizarse en robots, cámaras o vehículos y que vean de forma más parecida a los seres vivos.