Memories.ai desarrolla una capa de memoria visual para dispositivos wearables y robots

La startup Memories.ai anunció el desarrollo de un modelo de memoria visual a gran escala — un sistema que permitirá que la IA física indexe y recupere memorias grabadas en vídeo del mundo real. Esencialmente, el equipo está construyendo lo que ha faltado en dispositivos portátiles y robots: la capacidad no solo de ver, sino de recordar.

La idea suena simple, pero la complejidad técnica es enorme. Los modelos de lenguaje ordinarios funcionan con texto — saben memorizar y reproducir información en forma de palabras y símbolos. El vídeo es fundamentalmente diferente: cada segundo contiene miles de fotogramas, relaciones espaciales, movimiento de objetos, secuencia temporal de eventos.

Para que un robot o gafas inteligentes recuerden dónde están las llaves, o qué sucedió en la cocina hace tres horas, se necesita una arquitectura especializada optimizada para datos visuales. Memories.ai posiciona su desarrollo como una capa de infraestructura para IA física — una nueva clase de sistemas que operan en el mundo físico, no en el digital.

La IA física está detrás de dispositivos portátiles como Ray-Ban Meta y Humane AI Pin, así como de robots humanoides que entran activamente en el mercado: Boston Dynamics, Figure, Agility Robotics. Todos sufren del mismo problema — la falta de memoria contextual a largo plazo sobre lo que sucede a su alrededor. Para gadgets portátiles, la memoria visual significa la capacidad de responder a la pregunta "¿dónde he visto a esta persona?"

o "¿cuándo estuve por última vez en este café?" Para robots — entender los cambios en el entorno, rastrear el movimiento de objetos, evitar errores que se cometieron antes. Sin esta capa, la IA física funciona como un paciente con amnesia: cada nuevo lanzamiento desde cero, sin experiencia acumulada.

El equipo no divulga detalles técnicos de la arquitectura ni el volumen de datos de entrenamiento. Se desconoce en qué etapa se encuentra el desarrollo y si ya hay socios entre los fabricantes de hardware. Sin embargo, el simple hecho de que startups especializadas enfocadas específicamente en memoria visual para dispositivos físicos estén surgiendo demuestra que la industria ha alcanzado la siguiente barrera de escalabilidad.

Hasta ahora, la mayoría de las startups de IA se han enfocado en modelos de lenguaje o multimodales que funcionan principalmente con texto e imágenes estáticas. La memoria de vídeo es una tarea mucho más intensiva en recursos, que requiere nuevos enfoques para compresión, almacenamiento y recuperación. Grandes actores como Google DeepMind y OpenAI están trabajando en comprensión de vídeo, pero sus productos están orientados al procesamiento en la nube, no a soluciones integradas.

Memories.ai, a juzgar por su posicionamiento, apunta a un segmento diferente: soluciones edge que funcionan directamente en el dispositivo. Esto es crítico para robots y gadgets portátiles, que no pueden permitirse la latencia de una solicitud en la nube cada vez que necesitan acceder a experiencia pasada.

Si la startup logra entregar lo que promete, su modelo podría convertirse en uno de los componentes clave del stack de IA física — comparable en importancia a la aparición de grandes modelos de lenguaje para asistentes de texto. La carrera por la memoria visual apenas está comenzando.