Los Investigadores de Apple Construyen una Forma Más Inteligente para que la IA Entienda el Espacio 3D

Puntos clave

• Apple ML Research publicó RayRoPE, un nuevo método de codificación posicional para modelos de IA multivista, en 2025.
• RayRoPE permite que una IA identifique correctamente la posición de cualquier parche, un pequeño mosaico de una imagen, en un conjunto de fotos tomadas desde diferentes ángulos.
• La técnica funciona incluso cuando las cámaras se mueven de formas complejas, una propiedad llamada invariancia SE(3) que los métodos anteriores no tenían.
• RayRoPE utiliza un punto predicho a lo largo de un rayo de luz en lugar de solo la dirección del rayo, lo que le da una precisión geométrica más fuerte que los enfoques anteriores.

Imagina darle a alguien veinte fotografías de la misma habitación tomadas desde diferentes esquinas. Una persona puede mentalmente unir esas imágenes y entender el espacio en tres dimensiones. Conseguir que una IA haga lo mismo de forma consistente es sorprendentemente difícil, y ese es el problema en el que está trabajando Apple ML Research.

El trabajo del equipo introduce RayRoPE, un método para decirle a un modelo de IA exactamente dónde se sitúa cada pequeño mosaico de una imagen en el mundo real. "Rope" se refiere a la Codificación de Posición Rotatoria, una técnica ampliamente utilizada para ayudar a los modelos de IA a entender el orden y la ubicación de la información. La extensión basada en rayos es lo nuevo: en lugar de coordenadas de cuadrícula planas, RayRoPE describe la posición de un mosaico usando el rayo de luz físico que pasó a través de la lente de la cámara para capturarlo.

Los enfoques estándar etiquetan cada mosaico de imagen con una dirección simple, como fila cinco, columna tres. Eso funciona para una sola foto. Con docenas de imágenes desde diferentes posiciones y ángulos, esas direcciones planas se desmoronan. Un mosaico en "fila cinco, columna tres" en una foto podría describir la misma esquina de pared que "fila dos, columna nueve" en otra, y el modelo se confunde.

RayRoPE resuelve esto anclando cada mosaico a un punto en el espacio tridimensional real. Toma el rayo de la cámara para ese mosaico y predice un punto específico a lo largo del rayo, no solo su dirección. El resultado permanece consistente sin importar qué cámara tomó la foto.

El trabajo también muestra que los esquemas de codificación relativa y absoluta anteriores fallan en al menos una de tres pruebas: identificar únicamente cada parche, manejar el movimiento de la cámara en cualquier dirección o rotación, y adaptarse a la geometría real de la escena. RayRoPE aprueba las tres.

Cubrimos investigación de reconstrucción 3D en 20 de julio de 2026, lo que da una idea de qué tan rápidamente la IA espacial se está convirtiendo en una preocupación práctica en lugar de teórica.

¿Qué significa esto para la tecnología cotidiana?

Nada se implementa en tu teléfono hoy. Este es un trabajo de investigación, no un anuncio de producto. Técnicas como RayRoPE alimentan los modelos de IA que eventualmente potencian aplicaciones de cámara y características de realidad aumentada. Una mejor comprensión espacial significa menos errores cuando tu teléfono intenta medir una habitación o superponer direcciones en una vista de calle. Es el tipo de mejora que solo notas una vez que las cosas dejan de salir mal.