¿Qué pasaría si un robot pudiera aprender una nueva tarea tan rápido como una persona que ve un tutorial en YouTube? Esa pregunta, que durante décadas ha sido el sueño de la robótica, está empezando a tener una respuesta concreta. La startup Generalist AI ha presentado su modelo GEN-1.5, un sistema que permite a los brazos robóticos aprender tareas físicas observando una demostración de tan solo 3 a 12 segundos . Este avance, calificado por la propia compañía como el «momento ChatGPT» para la robótica, está redefiniendo lo que entendemos por «inteligencia física» y acerca el sueño de los robots domésticos y de fábrica capaces de improvisar y adaptarse como lo haría un humano.
Aprendizaje Cero: La Magia del «Prompt Físico»
La clave del éxito de GEN-1.5 reside en un concepto que Generalist AI denomina «prompt físico» (physical prompting) . El modelo es multimodal: procesa vídeo, datos de sensores, lenguaje y señales de propriocepción (la percepción de la posición del propio cuerpo) . Cuando se le muestra un breve clip de una persona realizando una tarea, ese clip actúa como un «ejemplo en contexto» que el robot utiliza para intentar la tarea de inmediato, sin necesidad de reentrenamiento, ajustes de parámetros o «gradient updates» .
En pruebas con 10 tareas físicas sencillas (apilar vasos, abrir un monedero, retirar un bloque), el modelo logró una tasa de éxito del 59% con una sola demostración . Aunque esta cifra está lejos del 99% de fiabilidad que se necesitaría para un despliegue comercial sin supervisión, el dato clave es que esta capacidad emergió de forma natural durante el preentrenamiento masivo del modelo, que se alimentó de más de 500.000 horas de datos de interacción física real . No fue una función programada, sino un comportamiento que el propio modelo «aprendió a aprender».
Improvisación y Adaptación: El Robot «Cazurro»
El salto cualitativo de GEN-1.5 se observa cuando las condiciones cambian. El robot no se limita a imitar los movimientos exactos que ha visto; parece entender el objetivo de la tarea. En un ejemplo ampliamente citado, se enseñó al robot a usar un cepillo para barrer un bloque. Al retirar el cepillo y ofrecerle un plátano o un recogedor, el robot improvisó usando el plátano para barrer o el recogedor para levantar y verter el bloque . Como señala un ingeniero de la empresa, «nunca había hecho eso antes» .
En otro caso, un robot de dos brazos aprendió a abrir un monedero de un tipo, y luego aplicó el conocimiento para abrir un monedero de diseño diferente, cambiando de pinza derecha a izquierda para obtener un mejor ángulo . El modelo puede incluso encadenar dos demostraciones independientes (por ejemplo, «abrir la cremallera» y «sacar el dinero») en una secuencia continua, generando por sí mismo los movimientos de transición y reajuste .
La Carrera por la IA Física: Generalist, NVIDIA y el Futuro de la Automatización
Generalist AI, con sede en Cambridge (Massachusetts), está liderando este cambio de paradigma. Fundada por veteranos de Google DeepMind y Boston Dynamics , la compañía ha recaudado 528 millones de dólares y está valorada en 2.000 millones . Su apuesta es radical: construir un modelo de fundación para la robótica, entrenado desde cero con datos del mundo real, y no basado en modelos de lenguaje preexistentes .
Pero no están solos. La carrera por la «IA física» se ha intensificado:
-
NVIDIA se está posicionando como el «Android de la robótica», ofreciendo un ecosistema completo de modelos de fundación, herramientas de simulación y hardware, como los modelos Cosmos y GR00T, para que cualquier desarrollador pueda entrenar y desplegar robots generalistas .
-
Walden Robotics, liderada por el profesor del MIT Russ Tedrake, acaba de salir del sigilo con 300 millones de dólares y ya está desplegando robots humanoides en plantas de Toyota .
-
Alibaba ha presentado su Qwen-Robot Suite, un conjunto de modelos de fundación que abarcan desde la manipulación hasta la navegación y la predicción del mundo físico .
-
Google DeepMind continúa con su apuesta Gemini Robotics, enfocada en la transferencia de habilidades entre diferentes plataformas de hardware .
El potencial para la industria es inmenso. Para un fabricante, la promesa de que un robot aprenda una nueva tarea de montaje con solo mostrarle un vídeo de 5 segundos, en lugar de programarlo durante semanas, cambiaría por completo la economía de la automatización . Sin embargo, el camino aún es largo. El 59% de éxito no es suficiente para tareas críticas, y la compañía aún no ha publicado sus pesos, datos o resultados de pruebas de seguridad independientes . El «momento ChatGPT» ha llegado, pero la fiabilidad y la seguridad del modelo están aún muy lejos de ser perfectas.
PREGUNTAS FRECUENTES sobre los robots que aprenden viendo vídeos
¿Qué hace especial al modelo GEN-1.5 de Generalist AI?
Su capacidad de «aprendizaje en contexto» o «one-shot learning». Puede aprender una nueva tarea física a partir de una única demostración en vídeo de 3 a 12 segundos, sin necesidad de ser reentrenado o reprogramado. Esta capacidad surgió de forma natural durante su preentrenamiento masivo con datos del mundo real .
¿Es realmente comparable al «momento ChatGPT»?
Sí, en el sentido de que ChatGPT demostró que los modelos de lenguaje podían generalizar a nuevas tareas con solo unos pocos ejemplos (in-context learning). GEN-1.5 hace lo mismo, pero en el mundo físico, mostrando que un modelo de robot puede ver un ejemplo de una tarea y ejecutarla inmediatamente .
¿Pueden estos robots improvisar si algo cambia?
Esa es precisamente una de sus capacidades más destacadas. No solo imitan; parecen entender el objetivo. Si cambia la herramienta o el entorno, el robot puede improvisar una solución, como usar un plátano como cepillo o cambiar de mano para conseguir un mejor agarre .
¿Cuándo veremos estos robots en la vida cotidiana o en fábricas?
Aún falta para un despliegue masivo. La tasa de éxito del 59% es demasiado baja para aplicaciones críticas o sin supervisión. La propia compañía reconoce que idealmente necesitarían una fiabilidad superior al 99% . Sin embargo, el avance es tan significativo que la industria se está moviendo rápidamente para aprovecharlo, especialmente para tareas en entornos controlados como la manufactura .
¿Qué otras empresas trabajan en robots «generalistas»?
El campo está muy activo. Además de Generalist AI, NVIDIA (con sus modelos Cosmos y GR00T), Walden Robotics, Alibaba (Qwen-Robot Suite), Google DeepMind (Gemini Robotics) y Physical Intelligence son algunos de los principales competidores que desarrollan modelos de fundación para la robótica, buscando alejarse de los robots programados para una sola tarea y acercarse a máquinas adaptables .
Recuerde que…
La llegada de los robots que aprenden por intuición, viendo vídeos y demostraciones, marca el inicio de una nueva era para la IA y la automatización. De la misma forma que ChatGPT democratizó el acceso a la inteligencia de los modelos de lenguaje, la robótica generalista podría hacer lo propio con la inteligencia física, llevándonos a un futuro donde los robots sean compañeros adaptables, capaces de aprender tareas nuevas con la misma facilidad con la que un humano ve un tutorial. Este es el «momento ChatGPT» físico, un punto de inflexión que promete transformar desde las fábricas hasta nuestros hogares. El desafío ahora no es solo tecnológico, sino ético y de seguridad: cómo garantizar que estos sistemas sean fiables, seguros y estén al servicio de las personas.
Para seguir explorando los avances más sorprendentes en inteligencia artificial y robótica, te invitamos a visitar FernandoJuca.com y a suscribirte al canal de YouTube de youtube.com/FernandoJucamaldonado.
