Así Logra Microsoft que los Robots Cometan Menos Errores en Tareas Complejas

¿Cuántas veces una tarea simple se arruina por un detalle mínimo? En una casa desordenada, alcanza con confundir una servilleta con otra para que todo el plan falle. A los robots les pasa algo parecido, y ese tropiezo cotidiano hoy es una de sus mayores limitaciones.

Ahora, Microsoft y un consorcio académico presentaron GroundedPlanBench, un nuevo estándar que busca corregir ese mecanismo. El hallazgo es claro: muchos robots no fallan por falta de fuerza o sensores, sino porque todavía les cuesta decidir qué hacer y dónde hacerlo con precisión.

El problema aparece en el cableado central de la robótica actual. Los sistemas convencionales separan la planificación, es decir, el plan en lenguaje natural, de la ejecución física. Esa fragmentación funciona como un teléfono descompuesto: si la primera pieza clave se equivoca, la siguiente arrastra el error.

Los investigadores lo vieron en fallos muy concretos. Un robot podía elegir el objeto equivocado o sumar pasos que nadie pidió. Y en ambientes con varios elementos similares, como una mesa con objetos repetidos, ese desajuste se vuelve mucho más frecuente.

La clave de GroundedPlanBench es que vincula cada acción con una ubicación exacta dentro de una imagen. Ya no alcanza con decir “agarrar” o “cerrar”. El sistema debe señalar sobre qué objeto actuar y en qué punto del entorno hacerlo.

Eso es lo que intenta este nuevo enfoque: unir decisión y contexto en un solo engranaje. En lugar de tener un cerebro que piensa por un lado y una mano que actúa por otro, el robot recibe un plano más completo, como si cada instrucción viniera con una flecha pegada al objeto correcto.

El banco de pruebas que une acción y lugar

GroundedPlanBench incluye más de mil tareas basadas en interacciones reales de robots. Hay instrucciones directas y también abiertas, más parecidas a las que una persona daría en una situación normal. Justamente ahí aparece otro hallazgo: el lenguaje ambiguo sigue siendo un obstáculo fuerte.

En un experimento, un robot repitió la acción sobre la misma servilleta, incluso cuando recibió descripciones más precisas. Ese detalle revela un problema de fondo. Los modelos tienden a fijarse en el mismo objeto o ubicación cuando la orden no funciona como una guía suficientemente robusta.

Para mejorar esa respuesta, el equipo desarrolló V2GP, Video-to-Spatially Grounded Planning (planificación espacial a partir de video). Este método analiza videos de robots, detecta interacciones, identifica objetos y rastrea sus posiciones. Luego arma planes estructurados que atan cada acción a un lugar concreto.

Con ese sistema, los investigadores construyeron más de 40.000 planes “arraigados”, desde tareas simples hasta secuencias de 26 pasos. Los modelos entrenados así eligieron mejor las acciones correctas y redujeron errores repetitivos, como actuar varias veces sobre el mismo elemento.

Por qué este cambio puede ser una oportunidad real

Persisten desafíos. Las tareas largas y las instrucciones indirectas siguen exigiendo una coherencia que no siempre aparece. Mantener la lógica durante muchos pasos es, hoy, una pieza clave que todavía no está del todo resuelta.

Pero el avance marca una dirección nítida. Integrar planificación y localización en un único proceso mejora la precisión y reduce desajustes. Además, abre la puerta a futuros modelos predictivos, capaces de anticipar las consecuencias de cada acción antes de ejecutarla.

Los sistemas que combinan acción y ubicación tienen más probabilidad de funcionar bien en entornos reales, subraya la investigación.

En la práctica, eso podría acercar robots más fiables para tareas cotidianas, desde ordenar objetos hasta asistir en espacios complejos. Si la robótica logra ajustar ese cableado interno, la promesa deja de parecer una escena de laboratorio y se vuelve una herramienta más cercana a la vida diaria.

Sofía Sicilia

Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.