IA Física: Cómo los Robots Superan los Movimientos Programados

La IA física se refiere al software inteligente que permite a los robots percibir, comprender y actuar en el mundo físico, distinto del factor de forma humanoide. Aunque los robots humanoides a menudo realizan demostraciones impresionantes con guion, carecen de la capacidad de adaptarse a condiciones cambiantes. La industria está pasando de entrenar un único modelo masivo de extremo a extremo a un enfoque basado en agentes, donde múltiples modelos especializados manejan diferentes modalidades (visión, lenguaje, acción) y pueden actualizarse de forma independiente. El aprendizaje sigue siendo un cuello de botella: no existen conjuntos de datos a gran escala como los utilizados para los modelos de lenguaje de gran tamaño (LLM, por sus siglas en inglés), y métodos como el aprendizaje a partir de vídeo aún requieren anotaciones complementarias. La visión es el canal sensorial más maduro, con modelos de visión-lenguaje-acción (VLA, por sus siglas en inglés) que aprovechan codificadores de visión preentrenados y tokenizan imágenes como texto. El lenguaje actúa como interfaz universal, permitiendo que los planificadores de alto nivel descompongan comandos de alto nivel. La detección táctil se considera crítica para tareas que requieren manipulación precisa, ya que la visión es insuficiente una vez que se agarra un objeto; la investigación explora la piel artificial, pero los robots actuales utilizan sensores de fuerza. La propiocepción—conocer el estado del propio cuerpo del robot—es otro canal esencial, que utiliza codificadores, unidades de medición inercial (IMU, por sus siglas en inglés) y sensores de par. Lograr una destreza y adaptabilidad similares a las humanas sigue siendo un objetivo lejano, pero las arquitecturas de agentes y las mejoras incrementales se consideran el camino práctico a seguir.