Crean una cámara 3D que copia los ojos de una araña para consumir menos que una bombilla

En algún lugar de una pared iluminada, una araña saltadora acecha a su presa. No mide más de un centímetro, pero antes de lanzarse localiza el objetivo con una precisión que haría enrojecer a muchos sistemas de guiado robótico. Lo hace sin emitir ninguna señal, sin proyectar luz infrarroja y con un sistema nervioso que no tiene más neuronas que las necesarias para sobrevivir. El truco está en sus ojos: cuatro pares de retinas superpuestas en capas con distintas distancias focales, que le permiten calcular la profundidad del entorno comparando qué partes de la imagen están enfocadas y cuáles no.

Ese mecanismo, que la evolución ha afinado durante millones de años, es el que ha inspirado a un equipo de la Universidad de Northwestern para construir SpiderCam, un sistema de visión 3D pasivo que genera mapas de profundidad completos consumiendo 624 milivatios, menos que una bombilla de noche. El trabajo se presentará en The IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026.

Dos fotos, una distancia

La visión 3D convencional en robótica tiene dos grandes familias. La primera usa cámaras estéreo, dos objetivos separados que triangula la posición de los objetos como hacen nuestros dos ojos. La segunda es activa: emite luz láser o infrarroja y mide el tiempo que tarda en rebotar. Es el principio detrás del LiDAR, omnipresente en vehículos autónomos. Ambas funcionan bien. Ambas tienen un problema: consumen una cantidad de energía que las hace poco prácticas en dispositivos pequeños o con batería limitada.

SpiderCam apuesta por un camino diferente, el mismo que usa la araña saltadora: el desenfoque diferencial. El sistema captura simultáneamente dos imágenes con distintas distancias focales, una perfectamente nítida para ciertos objetos y otra con un desenfoque calculado. El algoritmo, implementado directamente en una FPGA (un chip de hardware reconfigurable), compara las diferencias de nitidez entre ambas imágenes píxel a píxel y deduce a qué distancia está cada punto de la escena. No se emite ninguna señal. No hay emisor láser. No hay proyección infrarroja.

El resultado es un mapa de profundidad densa a 32,5 fotogramas por segundo, generado con hardware integrado y sin fuente de luz activa: una ecuación energética radicalmente distinta a la del LiDAR.

El equipo liderado por Emma Alexander, investigadora de Northwestern especializada en sistemas de visión bioinspirados, y con la participación de Matheus Ferreira y Tao Li, ha demostrado que ese algoritmo no solo funciona, sino que puede ejecutarse en tiempo real con recursos de cómputo modestos. La financiación ha corrido a cargo de la Fundación Nacional de Ciencias de Estados Unidos (NSF).

Por qué la araña lo hacía mejor

El depth from defocus, o estimación de profundidad por desenfoque, no es un concepto nuevo. Existe como campo de investigación desde los años noventa. Lo que no existía hasta ahora era una implementación que combinara el bajo consumo energético con el procesamiento en tiempo real integrado en el propio dispositivo.

La clave está en haber trasladado el algoritmo a una FPGA en lugar de depender de un procesador de propósito general o de la nube. Un chip reconfigurable puede ejecutar operaciones muy específicas con una eficiencia energética que los procesadores convencionales no alcanzan. Es la diferencia entre usar una máquina diseñada para un solo trabajo frente a una herramienta universal que consume energía en funciones que no necesita.

La araña saltadora, concretamente la especie Hyllus semicupreus, tiene cuatro retinas principales dispuestas en capas con distintos planos de enfoque. Su sistema nervioso no realiza un cálculo abstracto de geometría: compara señales de contraste y nitidez que llegan de esas capas y convierte esa diferencia en un estimador de distancia. Es, grosso modo, el mismo principio que el algoritmo de SpiderCam, pero implementado en tejido biológico y con un consumo energético de microwatts.

Hay algo perturbador en que un animal con el sistema nervioso más pequeño que puedas imaginar haya resuelto en paralelo un problema de ingeniería que a nosotros nos ha costado décadas plantear bien.

Un prototipo que sabe lo que le falta

Cuidado con leer este avance como una cámara lista para montar en un dron. El propio equipo de Northwestern es explícito al respecto: SpiderCam es un prototipo de demostración de concepto, y tiene limitaciones conocidas que habrá que resolver antes de que la tecnología sea integrable en dispositivos reales.

El campo de visión actual es limitado, lo que bloquea por ahora cualquier aplicación real en navegación autónoma o wearables. La óptica también requiere miniaturización: el sistema actual funciona en laboratorio con componentes que no tienen el tamaño necesario para integrarse en un dron de consumo o en unas gafas inteligentes. Tampoco se ha evaluado el rendimiento en condiciones de iluminación variable o exterior, donde los cambios de luz pueden afectar a la calidad del mapa de desenfoque.

Lo que el estudio sí demuestra, con métricas concretas, es que el principio funciona: se puede obtener profundidad 3D densa, en tiempo real, con hardware integrado y consumiendo menos de un vatio. Eso, en un campo donde los sistemas comparables necesitan entre cinco y cien veces más energía, no es un detalle menor.

La inspiración biológica, por otra parte, abre una pregunta que los ingenieros de visión computacional llevan tiempo evitando: si la araña saltadora lleva decenas de millones de años usando este mecanismo con un consumo despreciable, ¿qué otras soluciones de visión eficiente esconden las especies que nadie ha mirado aún con los instrumentos adecuados?

El siguiente paso es la óptica

Los autores señalan tres frentes abiertos: ampliar el campo de visión, miniaturizar la óptica y probar el sistema en condiciones reales fuera del laboratorio. La FPGA ya ha demostrado que puede con el algoritmo; el cuello de botella ahora es físico, no computacional.

Si la miniaturización avanza en paralelo con el trabajo en FPGA, SpiderCam podría convertirse en la base de sistemas de profundidad para drones ligeros, prótesis visuales o dispositivos de realidad aumentada donde la batería es un recurso crítico y la latencia no puede medirse en segundos. El perfil energético del prototipo actual ya se sitúa dentro de los márgenes teóricos de viabilidad para ese tipo de dispositivos.

El reto no es ya demostrar que el principio funciona. Es conseguir que la óptica sea tan pequeña y eficiente como el algoritmo que la gobierna.

La araña saltadora tardó millones de años en optimizar su lente. El equipo de Northwestern tiene algo que ella no tenía: acceso a los resultados del experimento original.