Los robots humanoides se vuelven más inteligentes. Aún no están listos para tu hogar.

Puntos clave

• Cosmos 3 de Nvidia, un modelo de base (un gran sistema de IA entrenado para comprender el mundo físico) diseñado para robótica, ya está disponible para desarrolladores que crean software de robots.
• Gemini Robotics de Google DeepMind, un modelo de visión-lenguaje-acción que permite a un robot ver y actuar según lo que comprende, representa la frontera actual: puede empacar una lonchera, pero solo si ha visto tareas similares antes.
• Morgan Stanley estima que el mercado de robots humanoides podría alcanzar 5 billones de dólares para 2050, aunque los principales investigadores de IA afirman que las máquinas están muy lejos de ser lo suficientemente útiles como para justificar ese cronograma.
• El hardware avanza más rápido que la inteligencia que lo ejecuta, un patrón que se ha mantenido en las 35 historias de robótica que AI2Day ha publicado en los últimos 30 días.

El robot blanco y negro que puede haber visto repartiendo botellas de agua en un evento de Tesla, o luchando por planchar una camisa, es el Optimus de Tesla. Elon Musk dice que podría automatizar casi todo el trabajo humano por alrededor de $20,000 por unidad. Jensen Huang, CEO del fabricante de chips Nvidia, dijo en enero que los robots humanoides igualarían la capacidad humana este año. Ambos hombres hablan de una tecnología que, en este momento, no puede planchar una camisa de manera confiable.

Esa brecha entre la promesa y el producto es exactamente lo que Nvidia intenta cerrar con Cosmos 3, su nuevo modelo de base de IA física abierta. Piénsalo como un cerebro compartido del que los fabricantes de robots pueden partir, en lugar de construir desde cero. Puede actuar como un modelo de visión-lenguaje (software que entiende tanto imágenes como palabras) para razonar sobre objetos e intención en el mundo real. Los desarrolladores también pueden utilizarlo para simular entornos completos antes de que un robot toque alguna vez un objeto real, ejecutando cientos de resultados posibles en un espacio virtual para encontrar el mejor comportamiento.

La ventaja práctica es la velocidad. Los equipos que construyen un robot de almacén ya no necesitan entrenar un modelo desde cero. Toman Cosmos 3, le proporcionan datos específicos de las cámaras y el cuerpo de su robot, y el sistema se adapta. Hemos seguido el trabajo de simulación de Nvidia antes: nuestro artículo de septiembre sobre Warp de Nvidia mostró cómo los entornos paralelos de GPU ya están reduciendo el tiempo necesario para enseñar a los robots habilidades físicas.

¿Cuánto avance hay en la ciencia real?

No tanto como sugieren los titulares. La mejor demostración de dónde se encuentra genuinamente la IA de robots proviene de Gemini Robotics de Google DeepMind, que controla un par de brazos mecánicos llamados ALOHA 2. Reportado en profundidad por MIT Technology Review, el sistema puede empacar una lonchera, recoger guisantes con pinzas y hacer origami básico. Hace tres años, nada de eso era posible. Hoy es impresionante. También es frágil: el robot solo tiene éxito en tareas que ya ha visto demostradas, generalmente por un humano que lo opera por control remoto para generar datos de entrenamiento.

Este es el problema central. Los métodos de IA que hicieron que los chatbots fueran fluidos en el lenguaje se están aplicando al movimiento físico, pero el mundo físico es implacable de formas que el lenguaje no lo es. Pierde una palabra en una oración y un lector llena el vacío. Pierde un objetivo por dos centímetros y la taza se queda en la mesa.

Yann LeCun, uno de los científicos que sentó las bases de la IA moderna, dijo sin rodeos en enero: ninguna de las compañías que construyen robots humanoides "tiene idea de cómo hacer que esos robots sean lo suficientemente inteligentes para ser útiles".

¿Qué significa esto para la gente común?

No mucho, por ahora. Los pisos de fábricas verán asistentes robots primero, y incluso allí el despliegue será lento y específico para cada tarea. Un perro robot patrullando un almacén por la noche (un caso de uso que cubrimos el 7 de octubre) es una máquina muy diferente de una que puede cargar un lavavajillas bajo demanda.

Para quienes se preocupan por el desplazamiento laboral: la amenaza a corto plazo es más limitada de lo que implican los titulares. Los robots se están volviendo genuinamente mejores en tareas fijas y repetibles en espacios controlados. Los entornos impredecibles, del tipo que todo trabajador humano navega cada día, siguen siendo inalcanzables.

Herramientas como Cosmos 3 son un progreso real. Reducen la barrera de entrada para equipos de robótica y probablemente acelerarán el ritmo de mejora. Un camino más rápido hacia un destino difícil sigue siendo un viaje largo, sin embargo.

Preguntas comunes

¿Los robots reemplazarán a los trabajadores pronto?

No en general. Los sistemas actuales manejan tareas específicas y repetitivas bien pero luchan mucho con cualquier cosa que requiera adaptarse a un entorno cambiante. El desplazamiento laboral generalizado en roles variados está como mínimo a una década de distancia, y la mayoría de los investigadores cree que ese cronograma es optimista.

¿Qué es un modelo de base y por qué importa Cosmos 3?

Un modelo de base es un gran sistema de IA entrenado con enormes cantidades de datos sobre el que otros desarrolladores pueden construir, en lugar de empezar desde cero. Cosmos 3 fue construido específicamente para IA física, lo que significa robots y vehículos autónomos, lo que lo convierte en un atajo práctico para equipos que de otra forma pasarían años recopilando y procesando datos de entrenamiento.

¿Debo preocuparme por lo que Nvidia está construyendo?

No directamente. Cosmos 3 es una herramienta para empresas que construyen robots, no un producto que compres. Sus efectos se mostrarán gradualmente, a medida que los robots que esas empresas lancen mejoren incrementalmente en sus trabajos.