Los robots de Eka clasifican nuggets y enroscan bombillas: se acerca el momento ChatGPT de la IA física

Eka ha creado robots que enroscan bombillas, clasifican nuggets de pollo y trasladan objetos frágiles, con movimientos inquietantemente parecidos a los humanos. Wired se pregunta si esta destreza refleja una inteligencia física real o una imitación de movimientos bien entrenada.

Qué saben hacer los robots de Eka

Los desarrollos de Eka se distinguen de los manipuladores industriales estándar, que durante décadas trabajaron en la industria del automóvil siguiendo trayectorias estrictamente predefinidas. Las pinzas de los robots de Eka no son simples "garras", sino manos de múltiples articulaciones con sensores táctiles en las yemas de los dedos. En lugar de trayectorias programadas de forma rígida, los sistemas se entrenan con conjuntos de vídeo de trabajo humano y se refinan en simulación. Eso les permite adaptarse a objetos de distinta forma y peso sin coordenadas prefijadas.

Esto es lo que hace el mismo robot en condiciones reales:

• Clasifica nuggets de pollo en una cinta transportadora según su forma y posición
• Enrosca bombillas en portalámparas con distintos ángulos
• Traslada huevos frágiles sin dañar la cáscara
• Maneja objetos desconocidos sin recalibración puntual
• Trabaja en entornos no estructurados, donde los robots anteriores exigían un orden perfecto

La diferencia clave con la generación anterior es la capacidad de lidiar con la variabilidad. No "ejecuta el movimiento A en el punto B", sino "resuelve este objeto como lo haría una persona".

¿Momento ChatGPT o imitación hábil?

Wired plantea una pregunta incómoda: ¿hasta qué punto los movimientos de estos robots reflejan una comprensión real del espacio y no una reproducción exacta de patrones de los datos de entrenamiento? En los modelos de lenguaje, el problema del "loro", un modelo que imita la comprensión sin entender nada en realidad, nunca se ha resuelto del todo. Con los robots físicos la cuestión es más aguda: un error en una línea de producción cuesta más que una alucinación en un texto.

Eka y sus competidores, Apptronik, Figure AI, Physical Intelligence (π) y 1X Technologies, apuestan a que los modelos fundacionales para movimiento ya son lo bastante buenos para el uso comercial. Pero los investigadores no coinciden. Unos creen que la frontera entre "inteligencia física" y "muy buena estadística de movimientos" no tiene importancia práctica si el robot cumple la tarea de forma estable. Otros advierten de que la imitación se rompe justamente en los casos extremos.

"La cuestión no es si un robot puede enroscar una bombilla.

La cuestión es qué hará cuando la bombilla tenga otro diámetro", resume la lógica un investigador de robótica.

Por qué el umbral llega ahora

Actuadores cada vez más baratos, cámaras de profundidad accesibles, grandes conjuntos de datos de movimientos humanos y una arquitectura de transformers para IA física han coincidido a la vez. La distancia entre un prototipo de laboratorio y un robot operativo se ha acortado más rápido de lo que esperaba el sector. Eka ya prueba sus sistemas en líneas de producción reales de la industria alimentaria.

El paralelismo con los modelos de lenguaje es directo: ChatGPT salió en noviembre de 2022 y, en los 18 meses siguientes, el sector replanteó qué se puede automatizar. Los robots físicos quizá estén ante un umbral similar. De ser así, las decisiones sobre qué tareas manuales automatizar se tomarán no dentro de 10 años, sino dentro de 2-3.

Qué significa esto

Si Eka y sus competidores tienen razón, los próximos años serán un punto de inflexión para el trabajo manual en la fabricación y la logística. La pregunta ya no es "¿sustituirán los robots a las manos humanas?", sino "¿en qué tareas ocurrirá primero?".