Por qué los robots humanoides y la IA incorporada todavía luchan en el mundo real

Por qué los robots humanoides aún no pueden sobrevivir en el mundo real

Por Deni Ellis Béchard editado por Eric Sullivan

En mundo occidental, robots humanoides sirven bebidas y montan a caballo. En guerra de las galaxias, Los «droides» son tan comunes como los electrodomésticos. Ese es el futuro que sigo esperando cuando veo el nuevo género favorito de Internet: robots bailando, kickboxing o haciendo parkour. Pero luego levanto la vista de mi teléfono y no hay androides en la acera.

Por robots, no me refiero a los millones que ya están desplegados en las fábricas o las decenas de millones que los consumidores compran anualmente para aspirar alfombras y cortar el césped. Me refiero a robots humanoides como C-3PO, Data y Dolores Abernathy: humanoides de propósito general.

Lo que los mantiene fuera de la calle es un desafío que los investigadores de robótica han sorteado durante décadas. Construir robots es más fácil que hacerlos funcionar en el mundo real. Un robot puede repetir una rutina de TikTok en una superficie plana, pero el mundo tiene aceras irregulares, escaleras resbaladizas y gente que pasa corriendo. Para comprender la dificultad, imagínese cruzar un dormitorio desordenado en la oscuridad mientras lleva un plato de sopa; cada movimiento requiere una reevaluación y recalibración constantes.

Sobre el apoyo al periodismo científico

Si está disfrutando este artículo, considere apoyar nuestro periodismo galardonado al suscribiéndose. Al comprar una suscripción, ayudas a garantizar el futuro de historias impactantes sobre los descubrimientos y las ideas que dan forma a nuestro mundo actual.

Los modelos de lenguaje de inteligencia artificial como los que impulsan ChatGPT no ofrecen una solución fácil. No tienen conocimiento encarnado. Son como personas que han leído todos los libros sobre navegación permaneciendo siempre en tierra firme: pueden describir el viento y las olas y citar a marineros famosos, pero no tienen el sentido físico de cómo gobernar el barco o manejar la vela.

«Algunas personas piensan que podemos obtener datos de vídeos de humanos (por ejemplo, de YouTube), pero mirar imágenes de humanos haciendo cosas no indica los movimientos reales y detallados que realizan los humanos, y pasar de 2D a 3D es generalmente muy difícil», dijo el roboticista Ken Goldberg en una entrevista en agosto con el sitio de noticias de la Universidad de California, Berkeley.

Para explicar la brecha, el científico jefe de IA de Meta, Yann LeCun, ha observado que, a los cuatro años, un niño ha absorbido mucha más información visual a través de sus ojos que la cantidad de datos con los que se entrenan los modelos de lenguaje más grandes (LLM). «En 4 años, un niño ha visto 50 veces más datos que los mayores LLM», escribió en LinkedIn y X el año pasado. Los niños están aprendiendo de un océano de experiencias corporales y, en comparación, los enormes conjuntos de datos utilizados para entrenar sistemas de IA son charcos. También son el charco equivocado: entrenar una IA en millones de poemas y blogs no la hará más capaz de hacer tu cama.

Los robóticos se han centrado principalmente en dos enfoques para cerrar esta brecha. La primera es la demostración. Los humanos teleoperan brazos robóticos, a menudo a través de realidad virtual, para que los sistemas puedan registrar cómo se ve el “buen comportamiento”. Esto ha permitido a varias empresas comenzar a crear conjuntos de datos para entrenar futuras IA.

El segundo enfoque es la simulación. En entornos virtuales, los sistemas de inteligencia artificial pueden practicar tareas miles de veces más rápido que los humanos en el mundo físico. Pero la simulación choca con la realidad. Una tarea sencilla en un simulador puede fallar en la realidad porque el mundo real contiene innumerables detalles diminutos: fricción, materiales blandos, peculiaridades de la iluminación.

Esa brecha en la realidad explica por qué un robot estrella del parkour no puede lavar los platos. Después de los primeros Juegos Mundiales de Robots Humanoides de este año en Beijing, donde los robots compitieron en fútbol y boxeo, el robótico Benjie Holson escribió sobre su decepción. Lo que la gente realmente quiere, argumentó, es un robot que pueda hacer las tareas del hogar. Propuso unas nuevas Olimpiadas Humanoides en las que los robots enfrentarían desafíos como doblar una camiseta al revés, usar una bolsa para excrementos de perro y limpiar la mantequilla de maní de sus propias manos.

Es fácil subestimar la complejidad de esas tareas. Considere algo tan común como buscar una camisa en una bolsa de deporte repleta de ropa. Cada parte de tu mano y muñeca detecta texturas, formas y resistencias. Puedes reconocer objetos por el tacto y la propiocepción sin tener que sacarlo e inspeccionarlo todo.

Un paralelo útil es un tipo de robot que hemos estado enseñando durante años, generalmente sin llamarlo robot: el automóvil autónomo. Por ejemplo, Tesla recopila datos de sus automóviles para entrenar la próxima generación de su IA autónoma. En toda la industria, las empresas han tenido que recopilar cantidades masivas de datos de conducción para alcanzar los niveles actuales de automatización. Pero los humanoides tienen un trabajo más difícil que los coches. Las casas, los espacios al aire libre y los sitios de construcción son mucho más variables que las carreteras.

Esta es la razón por la que los ingenieros diseñan muchos robots actuales para que funcionen en espacios claramente definidos (fábricas, almacenes, hospitales y aceras) y les asignan un trabajo para que lo hagan muy bien. El Digit humanoide de Agility Robotics lleva bolsas de almacén. Los robots de Figure AI trabajan en líneas de montaje. El Walker S2 de UBTECH puede levantar y transportar cargas en líneas de producción y cambiar su batería de forma autónoma. Y los robots humanoides de Unitree Robotics pueden caminar y agacharse para recoger y mover objetos, pero todavía se utilizan principalmente para investigaciones o demostraciones. Aunque estos robots son útiles, todavía están lejos de ser una ayuda doméstica de uso general.

Entre quienes trabajan en robótica, existe un amplio desacuerdo sobre la rapidez con la que se cerrará esa brecha. En marzo de 2025, el director ejecutivo de Nvidia, Jensen Huang, dijo a los periodistas: “Este no es un problema que tardará cinco años, sino que será un problema que tardará unos años”. En septiembre de 2025, el roboticista Rodney Brooks escribió: “Estamos a más de diez años del primer despliegue rentable de robots humanoides, incluso con una destreza mínima”. También advirtió de los peligros que suponen los robots por la falta de coordinación y el riesgo de caídas. «Mi consejo para la gente es que no se acerquen a menos de 3 metros de un robot andante de tamaño completo», escribió Brooks.

Por ahora, lo que impide que Main Street parezca un escenario de ciencia ficción es que la mayoría de los humanoides todavía están en los jardines de infancia que hemos construido para ellos: aprendiendo con teleoperadores o en simuladores. Lo que no sabemos es cuánto durará su educación. Cuando los robots humanoides se vuelvan comunes, serán más dinámicos que los sistemas actuales, pero mucho menos llamativos que los clips que se vuelven virales en TikTok. El futuro seguirán siendo máquinas que realicen los trabajos para los que han sido entrenadas, día tras día, sin dramatismo.

Es hora de defender la ciencia

Si te ha gustado este artículo, me gustaría pedirte tu apoyo. Científico americano ha servido como defensor de la ciencia y la industria durante 180 años, y ahora mismo puede ser el momento más crítico en esos dos siglos de historia.

he sido un Científico americano suscriptor desde que tenía 12 años y me ayudó a moldear mi forma de ver el mundo. Ciencia-Am Siempre me educa y me deleita, e inspira una sensación de asombro por nuestro vasto y hermoso universo. Espero que también lo haga por ti.

Si usted suscríbete a Científico americanousted ayuda a garantizar que nuestra cobertura se centre en investigaciones y descubrimientos significativos; que tenemos los recursos para informar sobre las decisiones que amenazan a los laboratorios en todo Estados Unidos; y que apoyemos a los científicos tanto en ciernes como en activo en un momento en el que con demasiada frecuencia el valor de la ciencia misma pasa desapercibido.

A cambio, recibes noticias esenciales, podcasts cautivadores, infografías brillantes, Boletines informativos que no te puedes perder, vídeos que debes ver, juegos desafiantes y los mejores escritos e informes del mundo científico. Incluso puedes regalarle a alguien una suscripción.

Nunca ha habido un momento más importante para que nos levantemos y demostremos por qué la ciencia es importante. Espero que nos apoyes en esa misión.