Un niño que explora un apartamento desconocido gatea de un objeto a otro y recuerda lo que se ve desde cada rincón. Así, el cerebro construye un mapa mental: un modelo interno del espacio. El algoritmo gradCSCG funciona con el mismo principio: recibe un flujo de video de una cámara y dibuja de forma autónoma el esquema de la habitación, basándose únicamente en el cambio de las imágenes. Antes, las máquinas necesitaban pistas, por ejemplo, objetos previamente etiquetados en las imágenes. El nuevo método prescinde de ellas.

La idea clave es la división del trabajo entre dos componentes. La primera parte del programa comprime las imágenes visuales en un código corto llamado espectro: un conjunto de rasgos característicos de la escena, una especie de "huella" de lo que ve la cámara. La segunda parte, el propio gradCSCG, relaciona estos códigos espectrales con el camino recorrido, recuperando la topología, es decir, la estructura del espacio y las relaciones entre los lugares. Ambas partes se entrenan simultáneamente: los errores en el reconocimiento de imágenes obligan a corregir la topología, y la topología refinada, a su vez, ayuda a reconocer mejor las imágenes. Esto recuerda el ajuste mutuo de dos expertos que aprenden el uno del otro.

Para que el sistema no pierda el hilo, se incorporan mecanismos que amortiguan la entropía; aquí, por entropía se entiende la medida de la incertidumbre o confusión en las estimaciones del algoritmo. Si la entropía aumenta, el algoritmo corre el riesgo de "enredarse" en sus propias hipótesis. Además, hay una protección contra el "sueño" en la monotonía: cuando la imagen no cambia durante mucho tiempo, el sistema puede dejar de refinar el modelo. Mecanismos especiales mantienen el aprendizaje activo, impidiendo que el algoritmo se conforme con una solución incorrecta pero estable.

Un resultado inesperado: incluso si en el mismo punto del espacio la cámara mostraba en diferentes momentos un "3" escrito a mano o una mancha informe, el algoritmo determinaba con seguridad que se trataba del mismo punto. Aprendió a ignorar los cambios irrelevantes en la apariencia visual, centrándose en la identidad topológica del lugar. Así se recupera el modelo estándar: el plano típico de la ubicación, una representación generalizada de cómo está organizada la habitación.

Con el mismo principio funcionan las neuronas de rejilla (grid cells) en nuestro cerebro: células especiales de la corteza entorrinal que se activan cuando un animal o una persona cruza los nodos de una cuadrícula hexagonal imaginaria que cubre el espacio. Por su descubrimiento en 2014 se concedió el Premio Nobel de Fisiología o Medicina. Esta analogía no es casual: gradCSCG reproduce el mecanismo clave de la navegación biológica, pero en un sistema artificial.

La tecnología promete la aparición de robots asistentes que puedan explorar pisos y habitaciones desconocidos sin GPS, como el droide BB-8 del universo de "Star Wars": un explorador compacto que se orienta hábilmente en entornos desconocidos, confiando solo en sus sensores.