¿Puede un robot predecir el futuro antes de moverse? Los nuevos modelos lo prueban en milisegundos

Del reconocimiento de objetos a la predicción del siguiente paso

Los primeros sistemas robóticos se limitaban a reconocer lo que tenían delante: una cámara detectaba una taza y la pinza se cerraba sobre ella. El siguiente movimiento lo dictaba un programa fijo o una demostración copiada. Esa configuración funcionaba mientras la escena permaneciera familiar, pero fallaba en cuanto los objetos se desplazaban, las superficies cambiaban o la tarea exigía varios pasos que nadie había programado. La idea más reciente consiste en permitir que la máquina forme una expectativa sobre lo que ocurrirá después de cada acción.

RT-1 demostró que las políticas de manipulación basadas en transformadores pueden aprender a partir de grandes colecciones de demostraciones teleoperadas. Utilizó un transformador solo decodificador con 35 millones de parámetros para convertir instrucciones lingüísticas e imágenes de cámara en acciones secuenciales del robot. Comprimió la información visual antes de su fusión, reduciendo los 81 tokens de imagen a 8 tokens clave. Su espacio de acción se discretizó en 256 intervalos a lo largo de 11 dimensiones. Ese diseño hizo que la manipulación con seis grados de libertad fuera más viable computacionalmente para un modelo pequeño. Alcanzó una tasa de éxito del 67 por ciento en más de 700 tareas de manipulación distintas. El objetivo era conectar el significado del objeto con un movimiento útil: ver una botella podía llevar a alcanzarla de una manera que se ajustara a la tarea.

El paso más allá del reconocimiento es predecir lo que viene después. Un modelo de entorno aprendido puede tomar la vista actual, el estado del cuerpo y el movimiento propuesto para estimar la siguiente escena. No necesita que cada ley física esté escrita a mano. En su lugar, aprende patrones a partir de vídeo sincronizado, flujos de sensores y registros de interacción. Estas entradas se comprimen en símbolos compactos que preservan el movimiento y el significado.

Durante el entrenamiento, se pide al modelo que prediga el siguiente paso o una ventana futura breve. Así absorbe cómo suelen responder los objetos al contacto, la gravedad y el movimiento, sin recibir una clave de respuestas separada para cada fotograma. Dos diseños comunes lo hacen de manera diferente: uno predice las piezas futuras en orden, como una frase construida palabra por palabra, lo que ofrece un control fino sobre lo que se genera a continuación. Otro parte del ruido y lo elimina lentamente hasta que aparece un futuro coherente, capaz de representar varios resultados plausibles en lugar de promediarlos en una sola conjetura borrosa.

Los modelos de comportamiento añaden otra capa de verificación. Comparan el movimiento generado contra ejemplos similares a los humanos y usan retroalimentación para recompensar la autenticidad y la plausibilidad. La política resulta entonces no solo precisa en posición, sino también natural en el tiempo. Un robot que predice mal el futuro aún puede moverse con suavidad mientras comete un error que parece creíble. Tales sistemas necesitan controles de seguridad y supervisión humana, ya que un error en el espacio físico puede convertirse en un movimiento inseguro.

Antes de moverse, el robot ensaya varios futuros posibles

Antes de que el brazo robótico se acerque a un objeto, puede calcular qué pasaría si se desplaza hacia la izquierda. Un modelo del entorno, aprendido previamente, predice cómo quedaría la escena tras cada movimiento de prueba. No se trata de un plano fijo, sino de una estimación entrenada sobre cómo reacciona el mundo ante la acción. El modelo parte de la imagen actual de la cámara, la postura del cuerpo y otras lecturas de sensores. Después, evalúa varias trayectorias candidatas antes de que ninguna orden motor salga del controlador.

Para una trayectoria propuesta, puede imaginar varios resultados ligeramente distintos. Esa variabilidad importa porque los entornos reales son ruidosos. Una taza puede desplazarse, una superficie resbalar o un objeto deformarse de formas que el modelo no anticipó. Muestrear muchas simulaciones evita que la planificación confíe en una sola adivinanza afortunada. El planificador puntúa cada futuro imaginado usando los objetivos de la tarea y los límites de seguridad. Algunos costes premian el progreso hacia el objetivo, mientras que otras penalizaciones bloquean trayectorias que colisionarían con personas o artículos frágiles.

Se selecciona la secuencia con mejor puntuación, pero solo se ejecuta su primer paso. En cuanto llegan nuevos datos de los sensores, toda la prueba comienza de nuevo. Este ciclo repetido permite al robot corregir pequeños errores antes de que se conviertan en grandes fallos. Mantener el sistema dentro de una región segura definida depende de comprobaciones de seguridad independientes en tiempo de ejecución, como los métodos de Función de Barrera de Control, que actúan como barandillas matemáticas. Combinar esas comprobaciones con las predicciones inciertas de modelos estocásticos base sigue siendo un problema abierto. El beneficio de seguridad radica en verificar el modelo contra límites reales y reglas operativas.

Algunas versiones construyen futuros paso a paso, mientras que otras refinan una estimación ruidosa hasta que se vuelve coherente. El primer estilo es más fácil de dirigir en tiempo real. El segundo puede mantener separados varios futuros creíbles en lugar de mezclarlos en un promedio débil. Esa distinción importa cuando existen muchas formas válidas para la misma tarea. Un robot puede necesitar elegir entre levantar por encima de un obstáculo o rodearlo. Probar ambos resultados imaginados ayuda a evitar una acción de compromiso que fallaría en el mundo físico.

Este enfoque convierte la planificación, de ser una predicción única, en un breve ensayo. El brazo no se compromete hasta comparar las consecuencias. En software, muchos futuros pueden probarse rápidamente y descartarse sin tocar nada real. Por eso estos modelos son útiles para tareas de manipulación donde un movimiento equivocado puede romper un objeto o detener una línea.

Donde esta idea ya está presente en fábricas y hospitales

El suelo de fábrica es el primer escenario donde estas máquinas deben demostrar su utilidad a diario. ABB ha puesto en marcha más de 500 000 robots industriales en todo el mundo. Algunos de sus brazos colaborativos emplean cámaras y sensores de fuerza para atenuar la presión del agarre cuando una pieza ofrece resistencia.

KUKA fabrica brazos capaces de variar su rigidez o compliancia durante el trabajo, lo que resulta clave cuando un componente llega ligeramente desplazado respecto a la posición exacta que espera el programa. En RNB Cosméticos, seis brazos colaborativos equipados con sensores de par apilan paquetes de cosméticos terminados sobre palets: levantan cajas de siete kilogramos a un ritmo aproximado de seis por minuto y gestionan más de 350 variantes de producto sin barreras de seguridad perimetrales.

En los hospitales, donde el coste de un error es mayor, se aplican ideas similares. El sistema da Vinci de Intuitive Surgical ha sido utilizado en más de 14 millones de procedimientos mínimamente invasivos. En un informe que abarca más de 10 000 operaciones realizadas en una sola institución, se registraron 12 muertes relacionadas con la cirugía, lo que supone aproximadamente el 0,12 por ciento.

La plataforma Hugo de Medtronic es un sistema modular de cirugía asistida robóticamente que apoya la planificación del procedimiento, la imagen tridimensional en tiempo real y la guía de instrumentos. Por su parte, Cyberdyne fabrica HAL, un exoesqueleto que lee las señales bioeléctricas del usuario para asistir el movimiento. Ha completado más de 10 000 sesiones de tratamiento en todo el mundo.

En un ensayo cruzado con pacientes que padecen enfermedades neuromusculares raras y de progresión lenta, el uso de un exoesqueleto permitió recorrer aproximadamente un 10 por ciento más distancia en la prueba de marcha de dos minutos que en la condición de control, tras nueve sesiones de 40 minutos. Estos despliegues demuestran que la tecnología ya realiza trabajo real, pero también evidencian por qué los controles de seguridad son esenciales cuando una máquina se mueve cerca de personas.

Una máquina que anticipa antes de actuar

La IA física abre una vía nueva para que las máquinas decidan en condiciones de incertidumbre. Un robot puede generar varios futuros posibles, cotejarlos con lo que percibe y comprometerse solo con la primera parte del plan. Este ciclo aporta flexibilidad donde los programas fijos fallan, ya sea al clasificar muchas variantes de producto o al adaptarse a un tejido que resiste la predicción.

La oportunidad es amplia porque estos sistemas aprenden de demostraciones, vídeo e interacción sin necesidad de una rutina escrita para cada objeto. En las fábricas, esto puede significar menos paradas cuando llega una pieza nueva a la línea. En los quirófanos, instrumentos que ayudan al cirujano a planificar, guiar y adaptarse durante la cirugía. En los almacenes, los despliegues de robots ya demuestran que la IA física escala más allá de un único prototipo brillante.

El obstáculo es que un error en el software puede convertirse en un moretón, una pieza rota o un procedimiento fallido. Estos sistemas aún luchan con las consecuencias a largo plazo, los objetos que se desplazan y nuevos cuerpos cuyas articulaciones no coinciden con la del robot sobre el que aprendieron. Una política entrenada para un brazo puede fallar en otro, mientras que el ajuste fino (fine-tuning) para una nueva tarea puede borrar habilidades que antes tenía. Por eso, las comprobaciones de seguridad deben situarse junto al controlador aprendido, no dentro de su imaginación.

La próxima década puede tratarse menos de hacer robots más inteligentes en el laboratorio y más de hacer visible, verificable y testeable su incertidumbre. Los gemelos digitales híbridos, los modelos del mundo aprendidos y una integración más estrecha entre percepción, planificación y control son intentos por cerrar esa brecha. Las apuestas suben porque el coste del error es físico, mientras que las limitaciones de energía y las comprobaciones de seguridad añaden restricciones que un modelo en la nube nunca enfrentó.

¿Vendrá el próximo avance de una mejor imaginación, o de saber cuándo debe ignorarse esa imaginación?