Affordance: lo que la naturaleza ofrece vs. lo que los robots pueden agarrar

Para la mayoría de la gente, "affordance" no es una palabra en absoluto. Pero para ecologistas y psicólogos, nombra una idea simple: el entorno ofrece posibilidades. Una rama "affords grasping" (permite ser agarrada); una superficie "affords walking" (permite caminar); el agua "affords swimming" (permite nadar). La affordance no es una propiedad de la cosa en sí, sino una relación entre lo que un organismo puede hacer y lo que el mundo presenta. James Gibson, quien acuñó el término en 1977, insistió en que las affordances son directamente perceptibles, no aprendidas o inferidas.

En robótica, "affordance" ha sido tomado y reformulado en algo más computacional. Una "robotic affordance" es una conexión entre una entrada de sensor, un objeto o superficie en el espacio de trabajo, y las acciones que un robot puede realizar sobre ella. Un gripper reconoce la affordance de una pieza cilíndrica no porque la pieza sea inherentemente "graspable" (agarrable), sino porque el robot ha aprendido, a través de datos de entrenamiento o programación explícita, que ciertas características geométricas y táctiles se correlacionan con un agarre exitoso. La affordance se convierte en un mapeo aprendido: dada esta firma visual o de fuerza, ejecutar este movimiento.

La divergencia es profunda. La affordance de Gibson se trataba de la percepción en tiempo real, la captación directa de la estructura ambiental. La "robotic affordance" a menudo se construye offline, en simulación o a partir de conjuntos de datos anotados, y luego se implementa como un clasificador o modelo de regresión. Un robot no percibe la affordance de la misma manera que un animal; la predice. Cuando un brazo manipulador encuentra un objeto nuevo, debe hacer coincidir las características con los modelos de affordance almacenados, o de lo contrario fallará. La mano humana, por el contrario, descubre las affordances mediante la interacción, de forma dinámica y sin cálculo explícito.

Sin embargo, los dos sentidos convergen en un punto crucial: ninguna affordance es una propiedad fija de un objeto. Un martillo "affords striking" (permite golpear) a un humano, pero también "affords doorstop" (permite ser un tope de puerta), "paperweight" (pisapapeles) o "plumb bob" (plomada). Un cubo "affords grasping" (permite ser agarrado) a un robot con una pinza paralela, pero podría no "afford grasping" a un efector final de ventosa. El contexto, la capacidad y la intención importan. En robótica, esta flexibilidad se ha vuelto explícita: los investigadores ahora entrenan redes de affordance que no producen una sola acción, sino un mapa denso de posibilidades en la superficie del objeto, lo que permite a un robot elegir entre múltiples formas de interactuar con la misma cosa.

El término también ha migrado al diseño de interfaces de usuario, donde las affordances son señales visuales o táctiles que sugieren cómo interactuar con un control digital o físico. Ese sentido se sitúa entre lo ecológico y lo robótico: no una probabilidad aprendida, sino una señal diseñada, una pista incorporada en el propio artefacto. En los tres dominios, "affordance" nombra el puente entre el agente y el entorno, entre la capacidad y la oportunidad.