Una dirección clave en el desarrollo de la inteligencia artificial consiste en capacitar a las máquinas no solo para procesar información y razonar sobre problemas complejos, sino también para ejecutar con flexibilidad diversas tareas en entornos reales y dinámicos.
Desde operaciones de precisión en líneas de montaje industrial hasta la navegación autónoma en terrenos complejos y el movimiento dinámico en espacios de exhibición, los robots aparecen cada vez más en escenarios diversos. Detrás de estas capacidades, la IA está experimentando una transformación significativa: pasa de la mera «computación» a la «acción» y evoluciona hacia una forma de inteligencia capaz de interactuar, aprender y evolucionar continuamente en el mundo físico; es lo que se conoce como «IA encarnada» (*embodied AI*).
Es importante aclarar que la IA encarnada no es sinónimo de robots humanoides; la forma humana es simplemente una posible encarnación. El factor crucial es si el sistema inteligente puede integrarse realmente en el entorno del mundo real, establecer un proceso de bucle cerrado de «percepción-cognición-toma de decisiones-acción-retroalimentación» y —dentro de este ciclo— ajustar continuamente su comportamiento mientras perfecciona sus modelos y estrategias internos mediante el aprendizaje. Por tanto, el criterio para evaluar la IA encarnada no reside en si su forma se asemeja a la de un ser humano, sino en su capacidad para resolver problemas reales de manera efectiva.
¿Qué es la IA encarnada?. Comprender el mundo como un bebé.
Una de las formas más intuitivas de entender la IA encarnada es observar cómo un bebé aprende sobre el mundo.
Los bebés no empiezan aprendiendo conceptos o lenguaje; por el contrario, construyen su comprensión del mundo mediante el contacto constante, el agarre, las caídas y los intentos repetidos. La cognición de un bebé no está separada del cuerpo, sino que surge gradualmente a través de la interacción entre el cuerpo y el entorno: la visión aporta estructura espacial, el tacto ofrece retroalimentación física y las experiencias motrices refinan continuamente las predicciones sobre el mundo.
La inteligencia no es simplemente un proceso computacional que ocurre dentro del «cerebro»; Es el producto de la interacción entre el cuerpo y el entorno. En consecuencia, el cuerpo no es simplemente una herramienta para ejecutar órdenes, sino un componente integral del sistema cognitivo que participa en todo el proceso de percepción, comprensión y acción. Esta característica estructural —en la que el cuerpo participa activamente en la cognición— define la esencia de la IA corporeizada (*embodied AI*).
Un sistema de IA corporeizada suele constar de tres componentes: un sistema de percepción (que gestiona la visión, el tacto, la detección de fuerza, etc.) que recopila información del entorno; un sistema de toma de decisiones que formula la comprensión y los planes; y un sistema de ejecución (entidades físicas como brazos robóticos o plataformas móviles) que actúa sobre el mundo físico. Estos tres componentes forman un bucle cerrado, lo que permite al sistema aprender a través de la acción en lugar de depender únicamente del entrenamiento con datos desconectados del entorno real (*offline*).
La «inteligencia basada en datos» —ejemplificada por los grandes modelos de lenguaje (LLM)— difiere significativamente de este mecanismo. Los grandes modelos actuales funcionan más bien como «agentes de estudio»; aunque son expertos en la generación de lenguaje y la representación de conocimientos, no interactúan directamente con el mundo físico. El mundo real, sin embargo, se caracteriza por una gran incertidumbre: factores como los cambios en la iluminación, las oclusiones, las variaciones de materiales y las perturbaciones ambientales exigen que los sistemas posean una capacidad de adaptación continua. La IA corporeizada no es simplemente una extensión de los modelos existentes; nos obliga a replantearnos el papel que desempeñan el cuerpo, la acción y el entorno en la formación de la inteligencia.
La IA corporeizada no es un concepto nuevo. Ya en 1986, el Programa Nacional de I+D de Alta Tecnología de China (el «Programa 863») planteaba explícitamente la necesidad de desarrollar robots capaces de realizar montajes de precisión, operaciones submarinas y tareas en entornos complejos y hostiles. Estos robots —que debían operar en escenarios reales y ejecutar tareas en bucle cerrado— representaron los primeros prototipos de IA corporeizada.
Solo en los últimos años, impulsadas por los avances algorítmicos, el aumento de la potencia de cálculo y la abundancia de datos multimodales, han madurado realmente las condiciones para la implementación a gran escala de esta tecnología.
¿Cómo evolucionan las capacidades?. De «comprender el mundo» a «cambiar el mundo».
Para que la IA corporeizada permita a las máquinas «entrar y actuar en el mundo» de manera efectiva, se requiere una serie de capacidades. Estas pueden resumirse en cuatro áreas clave:
1 – Formación de modelos del mundo. El sistema debe construir una simulación interna del entorno, lo que le permite predecir y simular escenarios antes de actuar, así como evaluar los posibles resultados de diversas decisiones. Esta capacidad transforma a los sistemas inteligentes, pasando de una respuesta pasiva a una toma de decisiones proactiva y orientada al futuro.
2 – Capacidades de representación multimodal. Las fuentes de información en el mundo real son altamente heterogéneas y abarcan diversas modalidades, como la visión, el lenguaje, el tacto y el sonido. La IA corporeizada (*embodied AI*) debe integrar esta información en un espacio semántico unificado para formar una comprensión holística.
3 – Capacidades de razonamiento causal. Los grandes modelos actuales aprenden principalmente a partir de correlaciones estadísticas, y su comprensión de las estructuras causales sigue siendo limitada. En consecuencia, los juicios emitidos por los modelos pueden parecer lingüísticamente plausibles pero no corresponderse con la realidad del mundo físico; este fenómeno contribuye a las llamadas «alucinaciones» de la IA. Para operar de manera fiable en entornos complejos, los sistemas de IA corporeizada deben establecer cadenas causales robustas que vinculen las acciones con sus resultados.
4 – Integración de capacidades de generación y acción. Con el avance de la IA generativa, están surgiendo sistemas de extremo a extremo (*end-to-end*) que unifican el modelado de la visión, el lenguaje y la acción. Estos sistemas permiten a los robots generar estrategias de acción basadas en instrucciones en lenguaje natural, ejecutarlas mediante sistemas de control y actuadores, y perfeccionar continuamente sus acciones a partir de la retroalimentación del entorno.
A pesar de este marco, los sistemas actuales se enfrentan a limitaciones: muchos modelos siguen restringidos al procesamiento de información dentro de un único dominio, con dificultades para lograr una verdadera unificación intermodal. Por ello, está cobrando fuerza una línea de desarrollo de vanguardia: el modelado integrado de los dominios informativo, físico y cognitivo. Este enfoque busca dotar a los sistemas inteligentes de estructuras cognitivas holísticas similares a las humanas, fomentando una comprensión profunda del mundo y permitiendo un proceso de razonamiento y acción de bucle cerrado en entornos físicos. Si bien esto representa una vía crucial para la evolución de la IA corporeizada, su materialización conlleva desafíos multifacéticos: el problema de la «caja negra» (insuficiente interpretabilidad de los procesos de toma de decisiones); el conflicto entre las demandas computacionales y las restricciones de despliegue (dificultad para ejecutar grandes modelos en tiempo real en dispositivos de borde o *edge devices*); y la inmadurez del ecosistema industrial (los estándares y las especificaciones de interfaz aún están en fase de evolución).
Simultáneamente, el desarrollo de la IA corporeizada depende de dos requisitos fundamentales: datos multimodales de alta calidad que sirvan de «combustible» y entornos de simulación de alta fidelidad que actúen como «campos de entrenamiento». Si bien la estrategia de entrenar en simulación y posteriormente transferir lo aprendido al mundo real se ha convertido en una vía técnica clave, salvar la brecha entre la simulación y la realidad sigue siendo un desafío apremiante.
¿Cómo moldeará el futuro?. Del laboratorio a las aplicaciones en el mundo real.
El valor definitivo de la IA corporeizada (*embodied AI*) debe materializarse a través de aplicaciones prácticas.
Está surgiendo una tendencia significativa en la manufactura industrial: los sistemas inteligentes están pasando de ser meras herramientas de ejecución a convertirse en sistemas impulsados por intenciones. En estos sistemas, los parámetros del proceso pueden introducirse directamente en modelos inteligentes para identificar oportunidades de optimización de la producción. Estos sistemas pueden actuar como «ingenieros de inspección digitales», supervisando la calidad del producto en tiempo real y participando en la planificación de la producción. Además, mediante sensores y tecnología de gemelos digitales, todo el proceso de producción puede mapearse de forma sincronizada en un espacio virtual, lo que permite una visualización y trazabilidad integrales (de extremo a extremo).
Actualmente, los sistemas de manufactura están transitando de una automatización aislada a procesos de bucle cerrado e integrales. Este cambio estructural representa, en esencia, la implementación práctica de la inteligencia corporeizada dentro de los sistemas industriales.
En los campos de la salud y la rehabilitación, los sistemas inteligentes se están convirtiendo en ayudas vitales para los profesionales médicos, colaborando en tareas como la cirugía mínimamente invasiva y el entrenamiento de rehabilitación. En cuanto a la gestión urbana y la seguridad pública, los drones y los robots terrestres colaboran en la inspección de infraestructuras, asumiendo tareas manuales en entornos de alto riesgo, como puentes, redes eléctricas y tuberías. En el ámbito doméstico, la inteligencia corporeizada se está integrando gradualmente en la vida cotidiana, desempeñando funciones como el cuidado de personas, la educación y servicios básicos del hogar. En el transporte, los sistemas de conducción autónoma —que perciben el entorno, construyen modelos del mundo, planifican trayectorias y controlan el movimiento del vehículo— representan una de las formas de inteligencia corporeizada más cercanas a una aplicación a gran escala.
La esencia de la inteligencia corporeizada no reside en hacer que las máquinas simplemente «se parezcan a los humanos», sino en permitir que la inteligencia se adentre realmente en el mundo físico y desarrolle la capacidad de aprendizaje continuo y adaptación en entornos complejos e inciertos. Desde los grandes modelos basados en datos hasta la inteligencia corporeizada orientada al ámbito físico, la inteligencia artificial está experimentando una evolución continua: pasando de los mundos de los símbolos y los datos al mundo real, y progresando desde el simple hecho de «comprender el mundo» hasta «crecer dentro de él».
El país ha establecido un entorno favorable para la inteligencia corporeizada, caracterizado por el desarrollo coordinado de directrices políticas, avances tecnológicos y aplicaciones industriales; Sin embargo, todavía hay margen de mejora en la teoría fundamental, la innovación original y los ecosistemas de código abierto. Como campo de vanguardia altamente interdisciplinario, la inteligencia corporeizada requiere inversiones a largo plazo y avances sostenidos. De cara al futuro, al permitir que las máquinas tanto «comprendan el mundo» como «actúen», la inteligencia corporeizada transformará profundamente nuestros modos de producción y estilos de vida, actuando como un motor clave del cambio industrial y el desarrollo social.
(El autor es académico de la Academia de Ingeniería de China y director del Instituto de Inteligencia Artificial y Robótica de la Universidad Xi’an Jiaotong).
