Physical Intelligence presenta π0.7 — un cerebro de robot capaz de dominar tareas desconocidas

Physical Intelligence, uno de los actores más comentados en robótica, ha presentado π0.7—una versión actualizada de su modelo que funciona como un "cerebro" para robots. El logro clave: el sistema ahora puede ejecutar tareas para las que nunca fue específicamente entrenado.

Physical Intelligence fue fundada en 2023 por un equipo de antiguos investigadores de Google DeepMind, Berkeley y otros laboratorios líderes. Desde el inicio, la empresa se planteó un objetivo ambicioso: crear un cerebro de IA universal para robots físicos—análogo a lo que GPT hizo para el procesamiento de texto. En su primer año, la startup recaudó aproximadamente 400 millones de dólares; entre los inversores están Khosla Ventures, Thrive Capital y Amazon.

El primer modelo público, π0, fue lanzado a finales de 2024. Podía controlar manipuladores y realizar tareas cotidianas: doblar ropa, lavar platos. Pero fue entrenado en habilidades específicas—cada acción fue demostrada previamente e integrada en los pesos del modelo.

π0.7 va más allá. Según la empresa, el nuevo modelo puede transferir conocimiento a tareas en las que nunca fue entrenado.

En otras palabras, generaliza en lugar de simplemente reproducir patrones aprendidos. Esto es lo que hace el paso significativo: no es la mejora dentro de escenarios familiares, sino la emergencia de un "sentido común" incipiente aplicado al mundo físico. La propia empresa es cautelosa en su formulación—denominándolo un "paso inicial pero significativo" hacia el objetivo largamente buscado: un robot universal que maneje cualquier tarea física sin entrenamiento separado para cada nuevo escenario.

Esta es una diferencia fundamental respecto a la situación actual, donde un manipulador industrial puede hacer exactamente lo que fue programado para hacer—y nada más. La generalización ha sido uno de los principales desafíos en robótica durante décadas. Enseñar a un robot a apretar un perno en una línea de montaje es sencillo.

Enseñarle a "apañarse" con una nueva tarea basándose en una comprensión general de la física y el espacio es completamente distinto. Fueron precisamente los éxitos de los grandes modelos de lenguaje los que impulsaron a toda la industria: se descubrió que el entrenamiento a gran escala con datos heterogéneos dota a los modelos de la capacidad de generalizar. Physical Intelligence aplica el mismo principio a acciones físicas en el mundo real.

La arquitectura de π0.7 no se detalla en especificidades. La empresa históricamente ha construido sus modelos usando un enfoque de difusión, aplicándolo no a píxeles sino al espacio de acciones del robot: en lugar de seleccionar el siguiente paso de un conjunto fijo, el modelo genera una trayectoria de movimiento, refinándola gradualmente—de la misma manera que una red neuronal refina una imagen.

La cuestión de cuán verdaderamente "desconocidas" son realmente las nuevas tareas permanece abierta. La empresa aún no ha publicado benchmarks detallados, y las demostraciones en vídeo—una herramienta de marketing tradicional de startups de robótica—no siempre reflejan la confiabilidad real en condiciones incontroladas. Sin embargo, el hecho en sí es importante: una startup con financiación seria y un equipo de clase mundial está registrando un paso medible hacia la generalización.

La carrera por un "cerebro para robots" corre en paralelo a la carrera por grandes modelos de lenguaje—y las apuestas son comparables. Si en los próximos años se logra crear un modelo verdaderamente universal para controlar un cuerpo físico, transformará toda la industria de la automatización: desde la logística hasta la cirugía. π0.

7 aún no es la meta. Pero es una de las pocas señales reales de que el camino hacia ella existe.