Optimización del diseño en robots sociales mediante realidad aumentada

La robótica social ha dejado de ser una promesa futurista para convertirse en una herramienta de acompañamiento, especialmente para adultos mayores o personas que enfrentan aislamiento. Sin embargo, el desarrollo de estos dispositivos, conocidos como robots zoomórficos (que imitan animales), ha dependido históricamente de la intuición de los diseñadores más que de datos empíricos. Un reciente estudio de la Universidad de Glasgow busca cambiar este paradigma mediante el uso de realidad aumentada (RA) para estandarizar cómo percibimos la expresividad emocional en las máquinas.

Metodología de prototipado rápido con RA

El equipo liderado por el Dr. Shaun Macdonald y Josh Yip implementó una técnica de prototipado rápido utilizando el robot Qoobo —un dispositivo con cuerpo de cojín y cola móvil— como plataforma base. A través de visores de realidad aumentada, los investigadores superpusieron diversas combinaciones de rostros y voces para evaluar la respuesta de 24 voluntarios.

Intrinsic libera herramientas de código abierto para potenciar la IA física

Intrinsic, la empresa de robótica e inteligencia artificial perteneciente a Google, ha dado un paso significativo para la comunidad de ingeniería al liberar parte de su plataforma bajo un modelo de código abierto. Esta iniciativa, denominada Intrinsic Core, busca estandarizar capacidades críticas para el desarrollo de aplicaciones robóticas complejas, permitiendo que ingenieros y desarrolladores puedan integrar soluciones avanzadas sin necesidad de construir desde cero.

El enfoque de la compañía se centra en la IA física, una disciplina que busca dotar a los sistemas robóticos de la capacidad de interactuar con el mundo real de manera adaptativa y segura. Al hacer compatibles estas herramientas con el ecosistema ROS (Robot Operating System), Intrinsic facilita la interoperabilidad entre diferentes fabricantes de hardware, una de las barreras más comunes en la automatización industrial.

Capacidades clave de Intrinsic Core

El paquete liberado incluye una serie de módulos diseñados para resolver problemas técnicos recurrentes en la implementación de celdas robóticas:

• Intrinsic Control: Un framework de control en tiempo real independiente del hardware. Permite que el robot ajuste su trayectoria dinámicamente ante cambios en el entorno, garantizando movimientos eficientes y libres de colisiones.
• Planificación de movimiento y agarre: Algoritmos que generan rutas óptimas automáticamente y permiten que diversos efectores finales se adapten a la posición y orientación de las piezas, mejorando la tasa de éxito en tareas de manipulación.
• Estimación de pose y calibración: Herramientas para la estimación de pose 6D de componentes 3D y la automatización de la alineación física de cámaras, reduciendo el tiempo de configuración.
• Drivers compatibles: Controladores preconfigurados para una amplia gama de brazos robóticos, pinzas y sistemas de visión artificial.

IA física y robótica para fortalecer la seguridad en infraestructuras

La seguridad física ha dejado de ser una cuestión de barreras estáticas. En 2026, la inversión global en soluciones que integran inteligencia artificial (IA) física y robótica ha superado los 23 mil millones de dólares. Este capital busca transformar maquinaria tradicional en agentes adaptativos capaces de proteger infraestructuras críticas, como plantas de manufactura y centros de datos, frente a un panorama de amenazas cada vez más sofisticado.

Mientras que la robótica aporta la movilidad y el "cuerpo" físico, la IA actúa como el "cerebro", permitiendo que los sistemas no solo reaccionen ante incidentes, sino que los anticipen. Esta evolución es vital para mitigar riesgos derivados de la convergencia ciberfísica, donde un ataque a la red puede comprometer la integridad de activos físicos.

Desafíos actuales en la seguridad industrial

Las organizaciones enfrentan tres pilares de riesgo que complican la protección de sus activos:

• Convergencia ciberfísica: La interconexión de cámaras, sensores y sistemas de control de acceso crea vulnerabilidades. Si la plataforma central es comprometida, todo el ecosistema queda expuesto.
• Limitaciones de sistemas legados: El uso de hardware y software antiguo impide una defensa preventiva, limitando al personal a una postura puramente reactiva.
• Volatilidad global: Las tensiones geopolíticas y socioeconómicas han incrementado la frecuencia de ataques, incluyendo incidentes de ingeniería social que pueden paralizar cadenas de producción completas, con impactos económicos millonarios.

Runway lanza Praxis-1 para revolucionar el entrenamiento de robots con IA

La escasez de datos de alta calidad para el entrenamiento de sistemas robóticos ha sido, históricamente, uno de los mayores cuellos de botella en la ingeniería de automatización. Runway, empresa reconocida por sus avances en IA generativa, ha presentado Praxis-1, un modelo de acción mundial (World Action Model) diseñado para transformar el aprendizaje de los robots mediante el uso masivo de datos de video, en lugar de depender exclusivamente de costosas demostraciones teleoperadas.

A diferencia de los enfoques tradicionales que requieren miles de horas de interacción física directa, Praxis-1 aprovecha la vasta cantidad de contenido visual disponible en internet. Según la compañía, este modelo permite que los robots comprendan el comportamiento de los objetos y la ejecución de tareas complejas observando cómo ocurren en el mundo real, trasladando este conocimiento a políticas de control efectivas.

¿Cómo funciona Praxis-1?

El núcleo de esta tecnología reside en la preentrenamiento a gran escala. Kamil Sindi, CTO de Runway, explica que el modelo ya posee una comprensión intrínseca de la física y la dinámica de las tareas antes de ser aplicado a un brazo robótico o humanoide. Esta capacidad de generalización permite que el sistema funcione en diversas configuraciones de hardware con ajustes mínimos.