Robot con IA predice resultados antes de actuar: 78,4 % de éxito

Un robot capaz de imaginar el resultado de su propio movimiento antes de ejecutarlo ya no es un experimento mental. En la Universidad Nacional de Seúl, un equipo dirigido por el profesor Jaeyoung Do, del laboratorio AIDAS, ha desarrollado un sistema que interpreta una petición hablada o escrita, imagina la escena terminada y, a continuación, mueve el brazo para alcanzarla. En las pruebas del propio equipo, realizadas en cuatro escenarios reales de manipulación, el sistema, llamado Dynin-Robotics, tuvo éxito el 78,4 % de las veces de media.

El problema que aborda es familiar para cualquiera que haya visto fallar a un robot en una cocina desconocida. Un robot puede repetir un movimiento aprendido en condiciones fijas, pero las tareas reales cambian: la taza está en un lugar nuevo, el cajón tiene otra forma y la gente pide las cosas con otras palabras. Los sistemas recientes han utilizado grandes modelos de lenguaje, los motores de texto que hay detrás de los chatbots, para comprender las peticiones, y modelos de generación de vídeo para predecir lo que viene después. El equipo de Seúl ha fusionado ambas capacidades en un único modelo, de modo que comprender la instrucción, predecir el resultado y generar el movimiento se aprenden de forma conjunta.

El mecanismo es sencillo de describir. A partir de la imagen de la cámara y de la instrucción, el modelo produce una imagen de la escena que espera obtener una vez terminada la tarea. Esa imagen predicha sirve, bien como referencia para generar el movimiento, bien para puntuar varios movimientos candidatos y quedarse con el más adecuado. En tareas simuladas de recogida de frutas y de disposición de flores, un modelo entrenado de este modo gestionó mejor las peticiones indirectas, como «Pon la flor que simboliza el amor», que un modelo entrenado solo para producir acciones, que dependía de que el objeto se nombrara de forma directa.

La velocidad fue el segundo problema. El equipo agrupó la información necesaria para una secuencia de acciones y la predijo en paralelo, y reutilizó resultados intermedios que, de otro modo, el cálculo repetiría. El generador de acciones funcionó hasta unas 29,2 veces más rápido que su versión sin optimizar, y hasta unas 36,6 veces más rápido que el modelo π0.5 de Physical Intelligence, una empresa estadounidense de IA robótica cuyo modelo era una de las comparaciones.

¿Qué cambia y para quién? De momento, el avance es científico: un único modelo que vincula lo que dice una persona, cómo será una escena y cómo debe moverse un robot, con una ventaja medida frente a dos sistemas de comparación. Los robots capaces de atender peticiones menos rígidas serían útiles, en primer lugar, en almacenes, laboratorios y hogares, pero las fuentes no ofrecen calendario, producto ni precio, y el trabajo sigue siendo un artículo de investigación publicado en el servidor de preprints arXiv. El artículo ha sido aceptado en NeurIPS 2026, una de las principales conferencias de inteligencia artificial, y está previsto que se presente en diciembre. La próxima prueba será comprobar si el 78,4 % se mantiene cuando otros equipos realicen las mismas pruebas.