Cuando Claude aprende a abrir cerraduras: un robot de lockpicking con ESP32 y feedback físico
La inteligencia artificial está empezando a abandonar el terreno de las interfaces conversacionales para intervenir directamente en procesos físicos. Ya no hablamos únicamente de modelos que generan código, analizan imágenes o ejecutan herramientas mediante agentes, sino de sistemas capaces de interpretar información procedente de sensores y utilizarla para dirigir mecanismos electromecánicos en el mundo real.
Un proyecto reciente de Dr. Kun Dániel lleva esta idea a un terreno especialmente interesante para quienes trabajamos en seguridad: el lockpicking automatizado. Su máquina combina una estructura fabricada mediante impresión 3D, un microcontrolador ESP32-C3 Mini, sensores de fuerza, motores y Claude, el modelo de Anthropic, para intentar abrir cerraduras de cilindro mediante un proceso de realimentación.
El resultado es un pequeño robot capaz de interactuar físicamente con una cerradura y adaptar su comportamiento a las mediciones que recibe durante el proceso. No se trata de un mecanismo que ejecuta una secuencia rígida de movimientos, sino de una arquitectura en la que un modelo de IA interviene en la interpretación del estado físico del sistema.
El proyecto acumula más de 200 horas de desarrollo y su autor muestra en vídeo cómo consigue abrir una cerradura. Aunque todavía está en fase de perfeccionamiento, plantea preguntas bastante más interesantes que la propia demostración: ¿qué ocurre cuando conectamos un modelo de lenguaje a sensores y actuadores? ¿Puede un sistema generalista resolver un problema físico que tradicionalmente requiere experiencia táctil? Y, sobre todo, ¿qué implicaciones tiene esto para la seguridad de los sistemas de cierre?
Vídeo del proyecto:
https://www.youtube.com/watch?v=o4AUKGdScNI
Del lockpicking manual a la manipulación robótica
El funcionamiento de una cerradura de cilindro con pernos depende de una serie de elementos mecánicos que deben alcanzar determinadas posiciones para permitir la rotación del cilindro. En el caso de los sistemas de pernos, el conocimiento práctico del lockpicking tradicional consiste, en buena medida, en interpretar pequeñas variaciones de resistencia y respuesta mecánica.
(Os recomendamos echar un vistazo a nuestra serie de talleres iniciación que, aunque tiene ya más de 15 años, sigue siendo válida a día de hoy 😉 )
Un profesional experimentado utiliza el tacto para distinguir entre diferentes estados internos del mecanismo. La presión aplicada, la resistencia encontrada y el comportamiento de los componentes proporcionan información que no resulta directamente visible desde el exterior.
El proyecto de Dániel intenta trasladar parte de esa capacidad de percepción a una máquina. En lugar de depender de una mano humana, utiliza sensores de fuerza para obtener información del mecanismo y transmitirla al sistema de control.
La diferencia fundamental frente a un dispositivo electromecánico convencional es que no se limita a reproducir movimientos previamente programados. El sistema obtiene mediciones, las comunica a Claude y utiliza las decisiones resultantes para adaptar su comportamiento.
En otras palabras, el proyecto introduce un bucle de percepción, razonamiento y actuación:
- Los sensores proporcionan información sobre el estado físico.
- El microcontrolador recoge las mediciones.
- Claude interpreta la información recibida.
- El sistema de control utiliza las decisiones para modificar el comportamiento de los actuadores.
- El proceso vuelve a comenzar con nuevas mediciones.
Esta arquitectura convierte una tarea tradicionalmente manual en un problema de control adaptativo.
Anatomía del robot: ESP32-C3, motores y sensores de fuerza
La electrónica del proyecto gira alrededor de un ESP32-C3 Mini. Se trata de un microcontrolador con conectividad Wi-Fi integrado que puede encargarse de la lógica local y de la comunicación con el modelo de IA.
La elección resulta interesante porque no estamos ante una plataforma de computación especialmente potente. El ESP32 no ejecuta localmente un modelo de lenguaje de gran tamaño. Su función consiste en gestionar el hardware, recoger información de los sensores y mantener la comunicación con el sistema externo.
La arquitectura electromecánica descrita por Hackster está compuesta por:
- Un motor paso a paso.
- Dos servomotores.
- Dos células de carga (load cells).
- Un ESP32-C3 Mini.
- Una pantalla OLED.
- Una batería recargable de ion-litio.
- Una estructura mecánica fabricada principalmente mediante impresión 3D.
El conjunto mecánico incluye un sistema de piñón y cremallera que permite transformar el movimiento rotacional en desplazamiento lineal. El chasis, los soportes y buena parte de los elementos estructurales también están impresos en 3D.
La combinación de motores y sensores es lo que permite que el dispositivo interactúe con el mecanismo físico. Los actuadores proporcionan movimiento, mientras que las células de carga permiten obtener información sobre las fuerzas que aparecen durante la interacción.
Este último componente es especialmente relevante. Una célula de carga transforma una deformación mecánica en una señal eléctrica medible. A partir de esa señal, el sistema puede obtener información cuantitativa sobre la fuerza aplicada y sus variaciones.
No es necesario disponer de una cámara ni de un sistema de visión artificial para obtener información útil del entorno. En este caso, la percepción se basa en magnitudes físicas.
El verdadero protagonista: el feedback
El aspecto más interesante del proyecto no es el ESP32 ni la impresión 3D. Es el mecanismo de realimentación.
En un sistema automatizado convencional, el comportamiento suele estar definido mediante una secuencia de instrucciones. El controlador ejecuta una operación, espera una condición o alcanza una posición determinada y continúa con el siguiente paso.
Sin embargo, los sistemas físicos reales rara vez se comportan de forma perfectamente predecible. Las tolerancias mecánicas, el desgaste, la fricción y las diferencias entre componentes introducen variaciones que hacen que una secuencia fija no siempre produzca el mismo resultado.
La realimentación permite corregir ese comportamiento.
En el robot, las células de carga proporcionan mediciones que ayudan a caracterizar la respuesta del mecanismo. El ESP32 recoge esa información y la transmite a Claude mediante Wi-Fi. El modelo analiza el estado descrito y participa en la decisión sobre el siguiente comportamiento del sistema.
La arquitectura puede representarse conceptualmente de esta manera:
El diagrama es una representación conceptual de la arquitectura descrita, no un esquema eléctrico ni una reproducción del firmware original.
Aquí aparece una distinción importante respecto a muchos proyectos que se anuncian como AI-powered. En ocasiones, la IA se limita a generar una respuesta que después consume una aplicación convencional. En este caso, el modelo participa en un proceso iterativo en el que sus decisiones tienen consecuencias sobre un sistema físico y la siguiente observación depende de lo que acaba de ocurrir.
Esto introduce una dimensión adicional: el resultado de una decisión no se evalúa únicamente por su coherencia textual, sino por la respuesta que produce en el mundo real.
Claude como componente de un sistema de control
La integración con Claude es probablemente el elemento más llamativo del proyecto.
El ESP32-C3 no dispone de recursos suficientes para ejecutar un modelo de lenguaje de esta categoría. Por tanto, el procesamiento se realiza externamente y el microcontrolador actúa como intermediario entre los sensores, los actuadores y el servicio de IA.
La comunicación se realiza mediante Wi-Fi. El sistema envía información procedente de los sensores y recibe la interpretación del modelo para continuar el proceso.
Esta separación permite utilizar hardware relativamente económico sin necesidad de incorporar una plataforma de computación local de grandes prestaciones.
Pero también introduce varios problemas de ingeniería.
El primero es la latencia. Un controlador electromecánico necesita responder de forma predecible. Una llamada a un servicio remoto puede tardar cientos de milisegundos o varios segundos, dependiendo de la conectividad, la carga del servicio y el procesamiento requerido.
El segundo es la variabilidad. Un modelo generativo no es un controlador determinista. Ante entradas similares puede producir respuestas diferentes, y no siempre es sencillo garantizar que una decisión respete todas las restricciones físicas del dispositivo.
El tercero es la gestión de errores. Una respuesta incompleta, una desconexión Wi-Fi o un resultado inesperado no deberían provocar que los actuadores continúen ejecutando movimientos sin supervisión.
Por eso conviene distinguir entre dos responsabilidades:
Control de bajo nivel: el ESP32 debe encargarse de los límites físicos, la lectura de sensores, la ejecución segura de movimientos y las condiciones de parada.
Interpretación de alto nivel: Claude puede participar en el análisis de las observaciones y en la selección de acciones dentro de un conjunto de posibilidades previamente controlado.
Esta separación es fundamental cuando se conectan modelos generativos a sistemas físicos. El modelo puede aportar capacidad de interpretación y adaptación, pero no debería ser la última barrera de seguridad del hardware.
La importancia de las células de carga
Las células de carga son uno de los elementos más interesantes desde el punto de vista de la instrumentación.
A diferencia de un sensor que proporciona una imagen o una lectura binaria, una célula de carga permite obtener una magnitud física continua. El sistema puede observar cómo cambia la fuerza aplicada durante la interacción con el mecanismo.
En un sistema de control, esta información puede utilizarse para construir una representación del estado físico.
Por ejemplo, un controlador puede trabajar con una serie temporal de mediciones:
timestamp sensor_1 sensor_2
------------------------------------------------
00:00:00.100 lectura lectura
00:00:00.200 lectura lectura
00:00:00.300 lectura lectura
00:00:00.400 lectura lecturaLa tabla es ilustrativa y no contiene valores extraídos del proyecto.
A partir de este tipo de datos pueden analizarse tendencias, variaciones y comportamientos anómalos. En robótica, la información de fuerza y par permite detectar contactos, resistencias inesperadas y desviaciones respecto al comportamiento previsto.
En el proyecto de Dániel, esa información constituye la base de la interacción entre el mecanismo y Claude.
La idea tiene aplicaciones que van mucho más allá del lockpicking: manipulación de objetos delicados, robótica asistencial, automatización industrial y sistemas que necesitan adaptarse a entornos físicos variables.
Lo que no resuelve la IA: los límites de la arquitectura
La demostración es llamativa, pero conviene no confundir una apertura conseguida en vídeo con un sistema universal capaz de abrir cualquier cerradura.
El propio autor continúa perfeccionando el hardware y el software. La fiabilidad es uno de los principales retos pendientes.
Una cerradura real no es un entorno de laboratorio perfectamente controlado. Existen diferencias entre fabricantes, modelos, tolerancias, estados de conservación y condiciones de instalación. Un sistema que funciona con un cilindro concreto no necesariamente se comportará igual con otro.
Además, la arquitectura depende de una conexión de red y de un servicio externo de IA. Esto añade dependencias que no existen en un controlador completamente local.
También hay una cuestión económica y operativa: cada interacción con el modelo puede implicar latencia y consumo de recursos del servicio. En un proceso iterativo, el número de consultas puede tener un impacto considerable.
Por último, la seguridad del propio sistema merece atención. Un dispositivo que recibe instrucciones de un modelo remoto y controla motores debe contar con límites independientes de la IA, mecanismos de parada y validación de las órdenes antes de ejecutarlas.
El proyecto demuestra una posibilidad técnica, pero todavía no constituye una solución industrial ni un sistema de apertura universal.
Implicaciones para la seguridad física
Desde una perspectiva de ciberseguridad, este tipo de desarrollos resulta interesante porque reduce la barrera de entrada para automatizar tareas que tradicionalmente requieren destreza manual.
La automatización del lockpicking no es nueva. Existen desde hace tiempo dispositivos electromecánicos y máquinas especializadas capaces de interactuar con determinados mecanismos de cierre. Lo novedoso aquí es la incorporación de un modelo generalista que interpreta información procedente de sensores y participa en el proceso de decisión.
Esto tiene implicaciones para la evaluación de cerraduras y sistemas de control de acceso.
Los fabricantes no deberían limitarse a considerar las capacidades de un atacante humano. También deben contemplar escenarios en los que herramientas relativamente asequibles puedan automatizar procesos de manipulación física y adaptarse a las respuestas del mecanismo.
La cuestión no es que Claude haya descubierto una vulnerabilidad en una cerradura concreta. El proyecto no demuestra eso. La cuestión es que la combinación de sensores baratos, actuadores, impresión 3D y modelos de IA puede hacer más accesibles determinados procesos de automatización física.
También merece la pena observar el posible efecto sobre el trabajo de los equipos de red team y los laboratorios de seguridad física. La disponibilidad de sistemas adaptativos podría facilitar la evaluación repetible de mecanismos de cierre y permitir estudiar comportamientos que antes dependían en gran medida de la experiencia del operador.
Naturalmente, cualquier experimentación debe realizarse sobre cerraduras propias o con autorización expresa.
¿Qué viene después?
Según la información publicada sobre el proyecto, Dániel tiene previsto liberar el código fuente, los diseños STL y la documentación completa una vez que haya terminado de perfeccionar el sistema.
Ese sería el siguiente paso interesante para la comunidad maker y de seguridad: poder estudiar la separación entre el firmware del ESP32, la comunicación con Claude, el tratamiento de las mediciones y la lógica de control.
Especialmente relevante será comprobar cómo se limita el conjunto de acciones que puede solicitar el modelo, cómo se gestionan los errores de comunicación y qué mecanismos impiden que una respuesta inesperada provoque un movimiento no deseado.
También sería interesante conocer hasta qué punto el sistema depende del modelo remoto y qué parte de la lógica podría trasladarse a un controlador local.
No sería extraño que apareciesen versiones alternativas basadas en modelos locales, sistemas de visión artificial o arquitecturas híbridas que combinen control determinista con razonamiento probabilístico.
La evolución de estos proyectos apunta hacia una nueva generación de dispositivos DIY en los que la IA deja de ser una interfaz conversacional y pasa a formar parte del propio mecanismo de control.
Conclusión
El robot de Dr. Kun Dániel es un buen ejemplo de cómo la inteligencia artificial puede incorporarse a sistemas físicos sin necesidad de disponer de hardware de computación especialmente potente.
Un ESP32-C3, un conjunto de sensores y actuadores, piezas impresas en 3D y un modelo accesible mediante Wi-Fi son suficientes para construir una máquina que interpreta información física y adapta su comportamiento.
La parte verdaderamente interesante no es que una IA consiga abrir una cerradura, sino que un modelo generalista pueda participar en un proceso de percepción y actuación que requiere interpretar señales del mundo real.
Hasta ahora hemos visto cómo los agentes de IA navegan por aplicaciones, ejecutan comandos, modifican repositorios y coordinan herramientas. Este proyecto muestra una extensión natural de esa tendencia: agentes conectados a hardware que pueden intervenir directamente en el entorno físico.
Y eso abre una superficie de ataque que merece tanta atención como la que ya dedicamos a los agentes de software.
Referencias:
- Proyecto original: DIY AI Lockpicking Robot: ESP32 + Claude AI Opens Any Lock!
- Hackster.io: This DIY Lockpicker Has AI on Its Side
- RuntimeWire: A maker wired Claude to a 3D-printed lockpicking robot
Powered by WPeMatico
