Los 10 modelos de IA física que controlan robots reales en 2026

Una nueva clase de modelos fundacionales, entrenados no con texto sino con acciones físicas, ya funciona en hardware real en plantas industriales, centros logísticos y laboratorios de investigación de todo el mundo. En 18 meses, la distancia entre las capacidades de los modelos de lenguaje y el despliegue robótico real se ha reducido de forma drástica.

Qué es la IA física

Los modelos de IA física (policy models) se distinguen de forma radical de los LLM habituales: reciben como entrada flujos de cámaras, datos de sensores inerciales y posiciones de las articulaciones, y producen órdenes motrices concretas en tiempo real. La tarea no es «responder una pregunta», sino «tomar un objeto y colocarlo en el lugar indicado» o «ensamblar un componente en la cinta».

Tres grandes líneas arquitectónicas en 2026:

• VLA (Vision-Language-Action): entienden instrucciones en lenguaje natural y las traducen en acciones físicas
• Políticas de difusión: enfoque generativo para planificar trayectorias de movimiento
• Transformadores para sensores: procesamiento unificado de datos de cámaras, lidares y sensores táctiles

Diez sistemas que funcionan hoy

Pi0 (Physical Intelligence) es la primera política de propósito general preentrenada con una flota heterogénea de robots. La startup reunió decenas de miles de horas de datos de teleoperación en distintas plataformas. El modelo resultante se ajusta a una plataforma concreta en pocas horas, frente a los sistemas de control tradicionales, que requieren meses de desarrollo.

RT-2 (Google DeepMind) demostró que el enfoque VLA traslada el «sentido común» de los datos de internet a tareas físicas: despejar una mesa, desplazarse por espacios desconocidos y manipular objetos a partir de instrucciones verbales. El modelo entiende órdenes abstractas como «tráeme algo para saciar la sed».

Isaac GR00T (NVIDIA) es un modelo fundacional para robots humanoides. Se entrena con datos sintéticos en el simulador fotorrealista Omniverse y después se transfiere a plataformas físicas mediante domain randomization.

OpenVLA es un VLA de código abierto creado por un consorcio de laboratorios académicos, y se ha convertido en la base estándar para la investigación. Los pesos son abiertos y una comunidad activa publica versiones ajustadas para distintas tareas, desde operaciones de almacén hasta manipuladores médicos.

Octo es una arquitectura ligera y reajustable para tareas personalizadas, lo bastante compacta para ejecutarse en GPU a bordo sin conexión permanente a la nube.

Cierran la lista los modelos de Figure AI y 1X Technologies para plataformas humanoides, RoboFlamingo (una extensión de OpenFlamingo para manipulación de objetos), CrossFormer (una política para robots con distinto número de grados de libertad) y UniSim, preentrenado con datos sintéticos sin una sola demostración real.

Los datos, el principal cuello de botella

Todos los modelos físicos exitosos comparten un rasgo: millones de horas de teleoperación en el conjunto de entrenamiento. Pi0 y proyectos similares amplían activamente sus flotas de robots operados a distancia precisamente para recopilar datos, y cada nueva demostración mejora la precisión de la política. Los datos sintéticos de los simuladores ayudan, pero todavía no sustituyen por completo las grabaciones reales.

A diferencia de los LLM, aquí el escalado de cómputo funciona de otra manera: el recurso clave es la diversidad de escenarios físicos. Eso abre oportunidades para quienes tengan un acceso único a datos de producción.

Qué significa

La IA física ha pasado de la prueba de concepto a la producción real. Las empresas de automatización industrial ya disponen de modelos base listos para usar, de forma parecida a como los pesos preentrenados transformaron la visión por computador hace diez años. La pregunta ya no es si los robots se controlarán con modelos fundacionales, sino quién será el primero en adaptarlos a sus propias tareas.