La Nueva Generación de Robots con IA Resiste Golpes, Cortes y Daños que Parecen Imposibles

En pruebas recientes en los laboratorios de Skild AI, un robot con IA siguió moviéndose incluso después de que le cortaran las cuatro patas con una motosierra. Cuando los ingenieros lo colocaron sobre sus patas traseras, aprendió a desplazarse como un humanoide básico. La clave no está en el chasis ni en los motores, sino en el software que los gobierna.

En otro ensayo, un Vcon ruedas y patas perdió dos motores a propósito, y aun así logró avanzar balanceándose sobre dos ruedas. En distintas sesiones, ataron las patas, las alargaron y hasta simularon cortes extremos. El sistema seguía buscando una forma válida de moverse sin instrucciones nuevas. La mecánica es importante, pero aquí manda el cerebro.

Deepak Pathak, cofundador y CEO, lo llama “cerebro omnicuerpo”. Su equipo lo ha materializado en un algoritmo llamado Skild Brain. La ambición es simple de decir y dura de conseguir: un solo robot con IA que aprenda a controlar cualquier cuerpo y cualquier tarea. Lo interesante es que no se limita a repetir patrones; generaliza y se adapta por sí mismo.

Hoy, la teleoperación y la simulación generan pocos datos y se quedan cortas para una inteligencia robótica realmente general. Muchos investigadores creen que, si logramos reunir suficiente experiencia en bruto, veremos un salto comparable al de los grandes modelos de lenguaje. Aquí está el guiño: Skild se inspira en cómo esos modelos dividen problemas y aprenden en contexto.

Cómo funciona el “cerebro omnicuerpo” de un robot con IA en situaciones extremas

Skild Brain entrena con muchos robots andantes de formas distintas y aprende “lo común” entre cuerpos diferentes. Después, traslada ese conocimiento a máquinas que no ha visto. En pruebas, pudo controlar robots bípedos y cuadrúpedos que no estaban en los datos de entrenamiento, y reaccionó a cambios súbitos, como perder una “pierna” o pisar un terreno blando. Esa es la pieza que faltaba al principio.

Para investigación publicaron una variante más ligera, LocoFormer, pensada para estudiar la transferencia de habilidades. Si miras las demostraciones, vas a reconocer patrones de los modelos de lenguaje: el sistema prueba, corrige y consolida rutas de control sin reprogramar cada caso. El límite actual sigue siendo la cantidad y la diversidad de experiencias reales.

“Un cerebro omnicuerpo para controlar cualquier robot en cualquier tarea”, resume Deepak Pathak.

El enfoque no se queda en locomoción. Skild también entrenó con brazos robóticos simulados y comprobó que el algoritmo controla hardware no visto previamente, incluso con cambios bruscos de iluminación. Un mismo robot con IA vas a poder moverlo entre fábrica, almacén o comercio sin reescribir la lógica. Esa portabilidad es la diferencia entre un prototipo vistoso y una herramienta útil.

La apuesta no es barata ni a corto plazo. En 2024, la startup levantó 300 millones de dólares y alcanzó una valoración de 1.500 millones, un respaldo que sugiere recorrido industrial. Ya colabora con empresas que usan brazos robóticos en entornos reales. Si funciona en líneas de montaje, tú vas a notar menos paradas y menos ajustes cada vez que cambie el producto.

No están solos. El Instituto de Investigación de Toyota y la startup Physical Intelligence persiguen una IA más generalista para robots. Skild destaca por demostrar generalización efectiva en una gran variedad de hardware. Si lo comparamos con la app móvil y su versión de escritorio, aquí hablamos de un único “sistema operativo” que se entiende con muchos cuerpos y sensores sin pelearse con cada modelo.

Qué cambia para ti si un robot con IA aprende nuevas formas de moverse

La novedad es desplegarlos en trabajos distintos, desde inspección hasta reposición de estanterías, y reducir tiempos de integración. También vas a poder recuperarte mejor ante fallos: si una articulación muere, el robot busca otra estrategia. Habrá que vigilar la seguridad, la certificación y los costes de mantenimiento cuando el cuerpo ya no “obedece” de forma rígida.

La idea de Pathak apunta a una futura “superinteligencia física”: un robot con IA que aprende a resolver tareas nuevas entendiendo su propio cuerpo. El camino pasa por seguridad, regulación y mucha evidencia en campo. De momento, el hito es claro: un algoritmo que no se rinde aunque todo cambie alrededor, y que promete llevar la robótica universal un paso más cerca.