La IA física (Physical AI) —sistemas de inteligencia artificial que operan a través de sensores y máquinas para razonar y manipular el mundo real— está siguiendo un patrón similar al que transformó la conducción autónoma hace una década. El legado de programas como los DARPA Grand Challenges y el DARPA Robotics Challenge ofrece lecciones cruciales para la comercialización actual de robots impulsados por modelos de fundación.
Los sistemas modernos de IA física se juzgarán cada vez más por algo más difícil que el éxito en tareas: si pueden detectar fallos, recuperarse y continuar sin intervención humana. Esta capacidad marca la diferencia entre demostraciones de laboratorio y despliegues de producción reales.
El legado de DARPA: de Grand Challenges a Foundation Models
El DARPA Grand Challenge original (2004-2007) planteó una pregunta fundamental: ¿podría un vehículo autónomo navegar por terreno desértico sin intervención humana? En 2004, ningún vehículo completó el curso. Para 2007, el Urban Challenge demostró vehículos navegando con éxito en entornos urbanos.
Este patrón se repitió con el DARPA Robotics Challenge (2012-2015), que preguntó: ¿podría un robot operar en un entorno construido para humanos? Motivado en parte por la dificultad de enviar personas a desastres como el accidente nuclear de Fukushima, el desafío requirió que los robots realizaran tareas como conducir vehículos, abrir puertas, girar válvulas, usar herramientas, moverse entre escombros y subir escaleras.
