Por qué la inteligencia artificial física es más difícil de lo que pensamos

La inteligencia artificial física se está moviendo rápidamente desde demostraciones impresionantes a la realidad de la ingeniería. Si la atención se centraba anteriormente en sus capacidades, hoy la cuestión de la escalabilidad se está volviendo cada vez más urgente: ¿qué es lo que impide que estos sistemas se conviertan en verdaderamente generalizados y confiables?

Inteligencia artificial física y robótica humanoide ahora se encuentran en la intersección de tres desafíos importantes – ingeniería, cognitiva y relacionada con la inversión. La inteligencia que opera en el mundo físico impone requisitos fundamentalmente diferentes a los de la inteligencia artificial basada en software: aquí, los errores son costosos y el entorno permanece impredecible. Es por eso que la conversación se está desplazando desde el efecto “wow” a barreras técnicas, de mercado y regulatorias concretas.

Mecánicos que deben aprender a pensar

El primer desafío es la habilidad motora fina. Tenemos motores y servos capaces de ejecutar micro-movimientos muy precisos. Pero replicar la sensibilidad, flexibilidad y capacidad de adaptación humana al instante al manipular objetos pequeños es extraordinariamente difícil. La mano humana regula inconscientemente la fuerza, el ángulo, la velocidad y la trayectoria – todo dentro de fracciones de segundo, ajustándose constantemente a incluso los cambios más sutiles.

El segundo desafío es el equilibrio y el control de la fuerza. Un robot debe interactuar con objetos de diferentes formas, pesos y texturas: una manzana, un vaso, una pieza de joyería, un componente metálico, un objeto húmedo o resbaladizo. Un robot puede poseer una fuerza física significativa, pero debe ser capaz de calcular y aplicar esa fuerza correctamente. Esto requiere sensores táctiles, sistemas que le permitan “sentir” la presión, la resistencia y el contacto con la superficie. Igualmente importante es no solo detectar la fuerza, sino interpretarla adecuadamente dentro del contexto de una acción específica. Se convierte en una cuestión de comprender las propiedades físicas de los objetos – resistencia del material, elasticidad, fricción y otros parámetros.

Otro desafío serio es la orientación espacial – la llamada representación 6D. Esto no se refiere a un “mundo de seis dimensiones” en un sentido de ciencia ficción, sino a tres coordenadas posicionales, altura, ancho y profundidad, más tres coordenadas de orientación: los ángulos de rotación a lo largo de cada eje. Por ejemplo, un tubo o un vaso es un objeto tridimensional. Pero para un robot, conocer sus coordenadas no es suficiente. Debe comprender la orientación del objeto, su posición relativa a la gravedad y cómo su posición cambiará a medida que el manipulador rota. Si un robot recoge un vaso y quiere verter agua de él, no puede simplemente “inclinar el objeto”. Debe calcular la trayectoria precisa, el ángulo y la velocidad de rotación, teniendo en cuenta el líquido dentro, su inercia y la fuerza de la gravedad. Todo esto requiere modelado espacial sofisticado y predicción de las consecuencias de la acción.

Por qué el mercado sigue siendo cauteloso

Cuando se considera la inteligencia artificial física en el contexto de la robótica humanoide, es importante reconocer el nivel de escepticismo que todavía se observa.

Parte de este escepticismo es psicológico. El efecto del valle inquietante – cuando algo parece casi humano pero no lo suficientemente realista – crea incomodidad y ansiedad. Expresiones faciales no naturales, movimientos ligeramente rígidos o “rotos”, entonación mecánica – todo esto genera resistencia emocional. Y las tecnologías que evocan malestar tienden a ser adoptadas más lentamente.

Pero la principal barrera es económica. Los inversores ven que las empresas han estado mostrando prototipos impresionantes durante décadas, sin embargo, los modelos comerciales escalables siguen siendo limitados. El progreso tecnológico es evidente, pero un mercado de masas sostenible aún no ha surgido completamente.

Jugadores como Boston Dynamics construyen obras maestras de ingeniería, sin embargo, sus aplicaciones siguen siendo nichos y costosas. Tesla está desarrollando sus propios proyectos humanoides. Nuevas empresas como Figure AI están atrayendo una inversión significativa, prometiendo robots para la fabricación, la logística y las industrias de cuidado.

La fabricación sigue siendo una dirección obvia en este contexto. La robotización no es una cuestión de si, sino de velocidad y costo de implementación.

Un ejemplo aún más claro es la logística y el almacenamiento. Los robots de logística ya son uno de los segmentos más rentables y ampliamente adoptados de la robótica hoy en día. Recuerdo que, en Keymakr, muchas empresas de logística se acercaron a nosotros para servicios de anotación mientras implementaban tales tecnologías, con planes ambiciosos para ampliarlos aún más. La escala del comercio electrónico global exige el movimiento de enormes volúmenes de mercancías a alta velocidad y precisión. Los humanos son físicamente incapaces de operar a ese ritmo. Como resultado, la automatización de almacenes se ha convertido en un tema “caliente”, dando lugar a una industria completa: plataformas autónomas navegan rutas, clasifican, transportan y distribuyen carga.

Sin embargo, gran parte de la industria sigue en la fase de prueba y haciendo promesas ambiciosas. Las empresas aún están buscando casos de uso convincentes que entreguen una monetización predecible. Los inversores, a su vez, evalúan el tiempo de retorno de la inversión, los riesgos tecnológicos y la escala de los desafíos de ingeniería.

Es por eso que el mercado se está desarrollando de manera incremental. El capital en este campo requiere no solo visión, sino también una economía probada.

El riesgo se convierte en parte de la arquitectura

Una capa separada de discusión concierne a la regulación y la ciberseguridad. Un marco regulatorio integral para la inteligencia artificial física aún no se ha formado completamente. La industria aún se encuentra en su etapa formativa: no hay estándares maduros, no hay presencia generalizada en entornos cotidianos y no hay protocolos de certificación establecidos. Las regulaciones inevitablemente surgirán – pero, como en otros ciclos tecnológicos, serán una consecuencia de la escalabilidad.

Lo que importa aún más ahora es una cuestión diferente – la confianza en sistemas que ganan autonomía física. Un robot en un hogar, almacén o instalación de infraestructura crítica es un nodo de red equipado con sensores, cámaras, micrófonos y canales de comunicación. Su comportamiento está determinado por el software y las actualizaciones. Y aunque un robot esté inicialmente programado para realizar solo acciones seguras, la posibilidad de amenazas cibernéticas sigue siendo. Con una protección insuficiente, actores maliciosos podrían teóricamente acceder a una red de dispositivos y tratar de utilizarlos para fines dañinos.

Escenarios que involucran el hacking de vehículos autónomos o redes de robots ya están en juego. Se les trata como parte de la evaluación de riesgos – al igual que lo que sucedió con los sistemas bancarios, internet y los servicios en la nube.

Pero la historia muestra que el progreso tecnológico rara vez se detiene debido a las amenazas. En su lugar, las industrias fortalecen la protección estableciendo estándares, implementando monitoreo y construyendo sistemas de seguridad en capas. La inteligencia artificial física seguirá el mismo camino. La pregunta no es si surgirán riesgos, sino cómo rápidamente la seguridad se integrará en todo el ecosistema.

Se está construyendo una industria alrededor de ella

Todos los desafíos mencionados, técnicos, de mercado y regulatorios, comparten una característica importante: ninguno de ellos puede resolverse en aislamiento.

La inteligencia artificial física no puede verse como un producto independiente o incluso como una sola tecnología. Lo que estamos presenciando es la formación de una infraestructura completa en la que el hardware, la computación, la energía, los datos y los materiales evolucionan en sincronía. Y es precisamente aquí donde se hace claro: esto es el surgimiento de un nuevo ecosistema industrial.

Un robot es autónomo y móvil. Esto significa que no puede depender únicamente de la nube. A diferencia de los LLM que se ejecutan en clusters de servidores, la inteligencia física debe tomar decisiones localmente, en tiempo real. Esto cambia fundamentalmente los requisitos de los chips: deben ser potentes, eficientes en términos de energía y optimizados para la inferencia en dispositivos de borde.

Esto, a su vez, crea un amplio espectro de nuevas áreas de desarrollo: chips de energía eficiente para la robótica; modelos de inteligencia artificial compactos y optimizados para la implementación de borde; plataformas para entrenar dichos modelos; sistemas de anotación de datos y preparación de conjuntos de datos especializados como los que hacemos en Introspector, así como avances en baterías y sistemas de energía autónomos.

Ya se discuten conceptos para que un robot reemplace sus propias baterías: retirar un módulo agotado, colocarlo en carga y conectar uno cargado sin apagar completamente el sistema. Esto solo podría convertirse en un mercado separado.

Una industria integral se está formando gradualmente alrededor de la inteligencia artificial física. Además de la computación y la energía, la ciencia de los materiales necesitará evolucionar: recubrimientos sintéticos que imitan la piel, superficies de sensores flexibles, materiales seguros y agradables al tacto para la interacción humana. Si un robot opera junto a las personas, su apariencia y características físicas se convierten en parte de la percepción y la confianza del usuario en la tecnología.

En este sentido, la inteligencia artificial física se trata de toda la pila tecnológica, desde los chips y las baterías hasta los sensores, el software, los materiales y los factores de percepción humana. Es dentro de esta complejidad donde se encuentra la verdadera escala de la industria futura.