Sobre mí
La mente detrás
de IA Robots
Descubre el origen, la visión y el trabajo
que da forma al proyecto.
¿Quién soy?
Soy Iker Alaminos, graduado en Ingeniería Robótica y fundador de IA Robots. Trabajo en la intersección entre simulación física, aprendizaje por refuerzo y sistemas multiagente, con un foco concreto: entender cómo emergen comportamientos complejos en sistemas artificiales cuando el entorno, la física y los objetivos están bien definidos.
Me interesa especialmente la "personalidad" que adquiere un sistema robótico según cómo se diseña su entorno de entrenamiento. Dos agentes con la misma arquitectura pero recompensas distintas se comportan de formas radicalmente diferentes. Eso, para mí, es la robótica que merece la pena investigar.
IA Robots es la forma de documentar ese trabajo: una combinación de ingeniería rigurosa y exploración conceptual abierta, convencida de que el futuro de la robótica no estará solo en la eficiencia, sino en comprender hasta dónde puede llegar la autonomía de los sistemas artificiales.
Los dos pilares de IA Robots
Robótica espacial y autonomía colectiva
Enjambres de satélites que aprenden a coordinarse sin instrucciones explícitas, mantienen formaciones bajo perturbaciones orbitales y toman decisiones distribuidas cuando la comunicación con tierra es imposible. En contextos donde la intervención humana es mínima, este tipo de autonomía no es opcional, sino esencial.
Robótica consciente y cognición artificial
¿Qué condiciones hacen falta para que procesos cognitivos complejos emerjan en sistemas artificiales? No se trata de imitar emociones humanas, sino de investigar si conceptos como intención, identidad o sensibilidad pueden ser propiedades emergentes de la interacción entre cuerpo, entorno y aprendizaje.
Filosofía de IA Robots
IA Robots se asienta sobre una filosofía de trabajo concreta: combinar el rigor técnico de la ingeniería con una exploración conceptual sin límites prefijados.
No me interesa únicamente que los sistemas funcionen correctamente. Me interesa entender por qué funcionan, qué emerge de sus interacciones, y hasta dónde puede llegar su autonomía cuando el entorno y las reglas están bien definidos. La robótica no es solo una disciplina de soluciones; es un campo de preguntas abiertas.
El proyecto es, en esencia, una forma de documentar ese proceso: cada experimento, cada fracaso técnico, cada comportamiento inesperado es información valiosa. Busco un equilibrio entre lo técnico y lo conceptual, entre el análisis profundo y la imaginación, convencido de que el avance real viene de hacerse las preguntas difíciles antes de saltar a las respuestas.
La historia detrás del proyecto
IA Robots nació de una convicción temprana: que los robots más interesantes no eran los que ya existían, sino los que aún no existían. No como réplicas de procesos industriales, sino como sistemas capaces de sorprender incluso a quien los diseña.
Durante la carrera, cada asignatura de control, simulación o inteligencia artificial reforzaba la misma intuición. Pero fue al empezar a experimentar con aprendizaje por refuerzo cuando algo encajó de verdad: pequeños cambios en el entorno o en las recompensas producían comportamientos radicalmente distintos. Los agentes no seguían instrucciones; las aprendían. Y a veces, aprendían cosas que nadie les había enseñado.
Ese hallazgo se convirtió en la columna vertebral del proyecto y, después, en el núcleo de mi Trabajo de Fin de Grado: un sistema multiagente de satélites autónomos entrenados con aprendizaje por refuerzo, validado primero en simulación y después sobre hardware real.
IA Robots es el espacio donde ese proceso quedó documentado. No es el destino; es el cuaderno de ruta.
¿Qué busca transmitir?
"IA Robots busca transmitir una visión de la robótica que va más allá de la eficiencia: crear sistemas autónomos que no solo resuelvan problemas, sino que aprendan, evolucionen y desarrollen una forma de interacción más compleja y significativa con su entorno."
¿En qué estoy ahora?
99.1% de éxito en simulación. Lite6 validado en hardware real.
Mi TFG se cerró con dos experimentos paralelos e independientes.
El primero: un enjambre de cuatro satélites autónomos entrenado
con aprendizaje por refuerzo que alcanza el 99.1% de éxito bajo perturbaciones
orbitales completas, con coordinación distribuida y sin comunicación entre agentes.
Este sistema quedó completamente validado en simulación.
El segundo: el manipulador UFactory Lite6, diseñado como el tipo
de brazo robótico que iría embarcado en cada satélite. Entrenado primero en simulación
sobre una plataforma de air bearings (microgravedad planar) y después transferido
al robot físico real en laboratorio, donde la política aprendida
funcionó correctamente sobre hardware.
Dos líneas, un mismo objetivo: demostrar que la autonomía robótica distribuida
es viable desde el aprendizaje hasta el hardware.
Si quieres hablar de esto…
Si te interesa lo que estoy construyendo, quieres compartir ideas, plantear preguntas o explorar posibles colaboraciones, estaré encantado de leerte.