Modelo del mundo basado en la física de NTT evalúa las acciones de los robots antes de ejecutarlas

El 11 de noviembre de 2026, NTT, Inc. anunció un modelo del mundo basado en la física que evalúa las posibles acciones de los robots antes de ejecutarlas, con el fin de reducir fallos como la caída de objetos y el derrumbe de cargas. Según la empresa, la tecnología elevó la tasa de éxito de las tareas del 73,1 % al 92,3 % en una prueba de carga de estantes con un robot pequeño.

La primera aplicación prevista es la carga y descarga automatizadas de equipaje en aeropuertos. Las diferencias en la forma, el peso y la disposición del equipaje dificultan que el control convencional de los robots, por sí solo, determine de antemano si una acción hará que la carga se derrumbe o que se caiga algún artículo; además, no es práctico recopilar datos de entrenamiento para todos los artículos posibles. NTT planea realizar pruebas de campo con Mujin, Inc. para la manipulación de equipaje.

Cómo evalúa el modelo las posibles acciones

La tecnología funciona con el software de control de robots existente y añade una etapa de predicción y evaluación antes del movimiento. Las posibles acciones pueden proceder de un modelo de visión, lenguaje y acción, que convierte las imágenes de una cámara y las instrucciones en lenguaje en acciones para el robot, o de un planificador de movimientos, que calcula los controles necesarios para alcanzar un objetivo de la tarea. Para cada opción, genera un vídeo de predicción y evalúa las colisiones, las caídas y el derrumbe de cargas. Luego asigna una puntuación que permite al programa de control elegir una acción que, según la evaluación, probablemente tendrá éxito.

NTT afirma que los modelos del mundo convencionales no representan explícitamente las magnitudes físicas de los objetos, lo que puede hacer que estos desaparezcan o se deformen de forma inverosímil en los vídeos generados, además de dar lugar a predicciones imprecisas de colisiones. Su dependencia de grandes conjuntos de datos de entrenamiento también aumenta la probabilidad de fallos en situaciones que no están presentes en esos datos.

El adaptador de control físico de NTT estima a partir del vídeo propiedades como la posición, la orientación, la velocidad y la masa de cada objeto; aplica las leyes físicas para calcular su movimiento posterior y proporciona esos cálculos al modelo de generación de vídeo. Según NTT, esta representación explícita permite abordar situaciones y movimientos ausentes de los datos de entrenamiento. El modelo también muestra las magnitudes físicas que sustentan cada predicción, lo que facilita comprender la base del resultado generado.

Resultados de las pruebas de referencia y planes de expansión

NTT también evaluó la precisión de las predicciones de vídeo en el punto de referencia OBJ3D, de acceso público, que contiene fotogramas de vídeo de objetos sintéticos en colisión. NTT informa que su modelo superó a los métodos convencionales en Learned Perceptual Image Patch Similarity (LPIPS), una métrica que compara el vídeo previsto con los datos de referencia de una manera acorde con la percepción humana; los valores más bajos indican una mayor similitud.

Además de la manipulación de equipaje y paquetes, NTT prevé explorar aplicaciones en logística, almacenamiento, fabricación, construcción y comercio minorista, y considerará colaborar con proveedores de servicios robóticos y empresas de logística y almacenamiento. Reducir las necesidades de mano de obra y mejorar la productividad son objetivos de esa expansión, no resultados demostrados por la prueba descrita.

Está previsto presentar la tecnología en NTT R&D Forum 2026, un evento al que solo se puede asistir por invitación y que se celebrará del 18 al 20 de noviembre de 2026 y del 24 al 25 de noviembre de 2026. En el programa de un seminario sobre robótica con IA y el modelo del mundo basado en la física, previsto para el 25 de noviembre de 2026, figuran como ponentes Isamu Arase, director ejecutivo de Mujin Japan, y Jun Shimamura, ingeniero ejecutivo de investigación de NTT.

Los resultados anunciados por NTT corresponden a una tarea realizada con un robot pequeño y a vídeos sintéticos de colisiones. Las pruebas previstas con Mujin permitirán comprobar si la mejora comunicada en la carga de estantes también se observa al manipular equipaje en aeropuertos, donde la evaluación previa a la ejecución debe tener en cuenta las variaciones físicas que motivaron el desarrollo del modelo.