Antes de coger una taza, tu cerebro se imagina en silencio lo que va a pasar: la mano que se cierra, la taza que sube. Un equipo de la Universidad Nacional de Seúl le ha dado a un robot una costumbre parecida. Su modelo de IA, Dynin-Robotics, se imagina cómo debería quedar la escena después de un movimiento y usa esa imagen para decidir qué hacer a continuación, según Tech Xplore y el artículo científico del equipo.
Por qué importa: la mayoría de los robots actuales son buenísimos repitiendo exactamente lo que se les enseñó y bastante torpes con cualquier cosa un poco distinta. Un robot capaz de «mirar al futuro» puede revisar su plan antes de actuar, y eso es un paso hacia máquinas que se apañen en casas, almacenes y hospitales reales, no solo en celdas de fábrica perfectamente ordenadas.
Un solo cerebro para palabras, imágenes y movimiento
Dynin-Robotics pertenece a una nueva familia de IA llamada modelos de visión, lenguaje y acción. Imagina un chatbot que, además de contestar con palabras, ve a través de una cámara y responde moviendo un brazo. Escribes «lleva la manzana al plato», mira la mesa y genera los movimientos.
Lo que lo hace distinto es que maneja lenguaje, imágenes, vídeo y acciones del robot dentro de un único modelo, en lugar de juntar sistemas separados, según Tech Xplore y el artículo. Se basa en un tipo de IA llamado modelo de difusión (la misma idea que usan muchos generadores de imágenes, que parten de ruido y lo van afinando paso a paso), aquí aplicado por igual a palabras, imágenes y movimientos.
Imaginar el resultado y luego elegir el movimiento
El truco está en que el modelo aprende varias tareas a la vez. Además de predecir el siguiente movimiento, predice lo que verá la cámara después de ese movimiento, cómo debería quedar la escena cuando la tarea esté terminada e incluso cómo describir con palabras lo que hizo un robot en un vídeo. A la hora de trabajar, puede generar varias acciones candidatas, imaginar el resultado de cada una y quedarse con la que mejor encaja con el objetivo, explican los investigadores en su artículo.
Esa «imaginación» extra parece ayudar con las instrucciones poco precisas. En tareas simuladas de recoger fruta y hacer ramos, el modelo entendió mejor peticiones indirectas, como elegir «la flor que simboliza el amor», que una versión entrenada solo con movimientos, cuenta Tech Xplore.
Las cifras
- Entrenamiento: unos 1,33 millones de trayectorias de robots grabadas, procedentes de 48 conjuntos de datos públicos, según el artículo.
- Pruebas con un robot real: con un brazo robótico en cuatro montajes de tipo cotidiano (mover fruta, clasificar bloques por color, apilarlos libremente y apilarlos en un orden de colores fijo), acertó de media el 78,4 % de las veces (artículo, Tech Xplore).
- Frente a rivales conocidos en esos mismos cuatro montajes, el equipo informa de un 73,0 % para GR00T N1.6 de NVIDIA, un 73,6 % para NVIDIA Cosmos Policy y un 76,9 % para π0.5 de Physical Intelligence.
- Velocidad: como predice en paralelo varios pasos de un movimiento y reaprovecha cálculos ya hechos, elige sus acciones hasta unas 29 veces más rápido que su propia versión sin optimizar.
Para leerlo con justicia: son resultados de los propios investigadores, en un conjunto limitado de tareas, y unos pocos puntos de ventaja es una mejora modesta. La universidad dice que el trabajo se presentará en diciembre en NeurIPS, uno de los mayores congresos de IA; de momento el artículo es un preprint que otros expertos aún no han revisado públicamente.
Lo que todavía no sabe hacer
El equipo reconoce que las pruebas se hicieron en simulación y en montajes reales fijos, y que hace falta probar muchos más objetos, tareas y lugares antes de llevarlo a la industria, recoge Tech Xplore. El robot tampoco usa todavía el tacto ni mide la fuerza, algo muy importante cuando hay que manejar cosas frágiles.
Qué viene ahora
Los investigadores quieren añadir sensores de tacto y fuerza, explorar robots quirúrgicos y endoscópicos con la facultad de Medicina de la Universidad Nacional de Seúl y construir lo que describen como un robot que se vuelve más listo cuanto más se usa, aprendiendo tanto de sus aciertos como de sus fallos. Los primeros objetivos son muy prácticos: clasificar paquetes en logística y manipular piezas en fábricas. Si la idea de «primero imagino, luego actúo» funciona fuera del laboratorio, podría convertirse en un ingrediente habitual de la próxima generación de robots para casa y trabajo.
Sigue leyendo
- Un dron con IA y una sola cámara gana a campeones del mundo
- Arduino Ventuno Q: la placa que da ojos y cerebro a los robots
- Un robot rana que salta y nada con patas elásticas que chasquean
Fuentes
- Robot AI predicts future scenes to guide its next moves – Tech Xplore (Facultad de Ingeniería de la Universidad Nacional de Seúl), 19 de octubre de 2026
- Dynin-Robotics: Omnimodal Unified Diffusion Vision-Language-Action Model – H. Lee, J. Kim, J. Oh, J. Kim, G. Choi, H. Kim, J. Do, arXiv, septiembre de 2026
