Un conductor en una carretera resbaladiza no sabe exactamente cómo reaccionará el coche al volante, y aprende sobre la marcha, dejando margen para el error. De manera similar se comporta un algoritmo de control inteligente. En lugar de exigir un modelo preciso, recopila datos sobre la marcha, evalúa la incertidumbre y las perturbaciones externas, como si una caja negra revelara gradualmente su configuración.
Basándose en estas estimaciones, el algoritmo traza un corredor seguro — algo así como un carril virtual que se estrecha o se ensancha según su confianza. Las órdenes se dan con margen para que, incluso en el peor caso, el sistema no exceda los límites.
La principal ventaja son las garantías desde el primer paso. No es necesario esperar a que el robot acumule estadísticas: el funcionamiento permanece estable de inmediato. Pruebas numéricas lo confirmaron: un dron virtual mantuvo el equilibrio a pesar de sacudidas bruscas. Esta adaptabilidad abre el camino para vehículos no tripulados y robots rápidos que antes requerían una larga configuración.
El control predictivo por modelo (MPC) se utilizó originalmente en plantas químicas, donde los procesos son lentos y se puede calcular todo de antemano. Ahora aprende sobre la marcha, abriendo el camino para robots rápidos y vehículos no tripulados.