IA física: cómo pasar de la simulación a una prueba real

La IA física ya permite iniciar proyectos basados en simulación, pero la autonomía de los robots todavía debe demostrarse tarea por tarea. Por ejemplo, el modelo de acción actual de Google, Gemini Robotics 2, sigue en fase de prueba privada: tener acceso a un modelo de IA y contar con una máquina fiable en las instalaciones son dos hitos distintos.

Disponibilidad verificada en las páginas oficiales de los fabricantes el 23 de octubre de 2026. La página del modelo de acción de Google confirma que sigue en fase de prueba. Para la industria manufacturera, la logística y el comercio minorista, el criterio de adopción es sencillo: partir de un problema operativo concreto, modelarlo y exigir pruebas antes de ampliar la autonomía de las máquinas.

¿Qué es la IA física?

La inteligencia artificial física, o IA física (physical AI), engloba modelos que ayudan a las máquinas a percibir su entorno, razonar sobre lo que ocurre y actuar en el mundo físico. Un robot debe tener en cuenta dónde está un objeto, si su pinza puede alcanzarlo y qué ocurre después del contacto. La definición de IA física de NVIDIA vincula estas capacidades con los datos del mundo real, la simulación y los recursos de cómputo que hacen funcionar las máquinas autónomas.

Pensemos en el ensayo de una tarea de carga. El guion describe lo que debería ocurrir. El ensayo permite comprobar si el equipo cabe, si los tiempos funcionan y si un obstáculo obliga a cambiar el plan. La IA física necesita esa segunda forma de comprensión, porque sus acciones modifican la escena que observará a continuación.

Un gemelo digital, es decir, una representación digital de una máquina, un proceso o un espacio reales, ofrece un entorno para ensayar. Forma parte de las herramientas de desarrollo de IA física, pero no es, por sí solo, un sistema de IA ni un controlador robótico. Una distribución virtual del espacio puede resultar útil antes de que ninguna máquina sea autónoma.

¿Qué aporta la IA física a la robótica?

La robótica aporta el cuerpo, los sensores y los controles; la IA física aporta capacidades aprendidas dentro del sistema. Una máquina convencional que ejecuta una secuencia fija no se convierte en un robot de IA de propósito general porque el proveedor le cambie la etiqueta.

Los agentes conversacionales producen principalmente respuestas o utilizan herramientas de software. Los agentes de programación modifican software. La IA física añade los retos del movimiento, el contacto, la coordinación temporal y la recuperación ante fallos en un entorno cambiante. Los agentes de software también pueden activar operaciones físicas mediante sistemas conectados, por lo que conviene distinguirlos según el trabajo que controlan, no por el aspecto de la interfaz.

Nuestra guía sobre IA multimodal explica los modelos que combinan entradas como texto, imágenes y sonido. Esa es una parte de los modelos que intervienen aquí. Reconocer una caja dañada en una imagen y retirarla de forma fiable de una zona de trabajo en movimiento siguen siendo problemas de ingeniería diferentes.

IA corporizada e IA física: ¿en qué se diferencian?

Conviene entender estos términos como descripciones de trabajo que se solapan. La IA corporizada pone el énfasis en la inteligencia que actúa a través de un cuerpo que interactúa con su entorno. La IA física, tal como usamos el término aquí, abarca el sistema más amplio, incluidos los modelos del mundo, la simulación y la infraestructura de despliegue. A la hora de contratar, la tarea, las condiciones de operación y el comportamiento demostrado importan más que la etiqueta de la propuesta.

¿Qué herramientas se pueden usar hoy?

Ya es posible acceder a buena parte de los componentes de desarrollo; integrar y validar el sistema que funcionará en las instalaciones sigue siendo una tarea pendiente. La tabla distingue la función de cada componente de sus condiciones de acceso. Son capas diferentes, no productos intercambiables que compiten por una misma compra.

IA física generativa: NVIDIA Cosmos crea material de entrenamiento

NVIDIA Cosmos es una familia de modelos fundacionales del mundo y herramientas de desarrollo para IA física. Un modelo del mundo aprende patrones sobre cómo se comportan los entornos; los datos sintéticos son material generado para entrenar modelos. La página actual de Cosmos de NVIDIA incluye Cosmos 3 Super, Nano y Edge, con descargas de modelos, una opción de prueba alojada y recursos para adaptar los modelos a entornos y cuerpos robóticos específicos.

Para un equipo de ingeniería logística, una posible aplicación es ampliar la variedad de situaciones de entrenamiento de una tarea, por ejemplo, con distintas condiciones de la escena o disposiciones de los objetos. Cosmos también permite razonar y generar acciones. El responsable de operaciones debería preguntar qué funciones utiliza el integrador y cómo comprueba sus resultados.

Los límites se explicitan con una claridad poco habitual. La ficha del modelo Cosmos3-Edge de NVIDIA indica que carece de un simulador de física explícito y puede producir razonamientos incorrectos e interacciones físicas inverosímiles. Sus resultados no son una referencia fiable de la realidad física. Un video convincente de un agarre exitoso no demuestra que una pinza vaya a sujetar tus embalajes.

Cosmos tiene sentido cuando el equipo de desarrollo ha definido un problema de datos o de adaptación de modelos. Descargarlo no elimina la necesidad de contar con datos de la tarea, evaluación e ingeniería robótica.

NVIDIA Isaac aporta el entorno de desarrollo

NVIDIA Isaac es la plataforma de desarrollo robótico más amplia. Sus componentes cumplen funciones distintas: NVIDIA Isaac Sim crea entornos virtuales para pruebas y generación de datos sintéticos; NVIDIA Isaac Lab entrena el comportamiento de los robots; NVIDIA Isaac ROS aporta software robótico acelerado basado en ROS 2, un marco que conecta componentes de software robótico. NVIDIA documenta estas funciones en la página de la plataforma Isaac.

Para iniciar un proyecto de simulación hay un punto de entrada concreto. Isaac Sim ofrece un marco descargable que permite importar modelos de ingeniería, asignar propiedades físicas, configurar sensores y probar el comportamiento de los robots. También permite realizar pruebas con software simulado o con hardware real conectado a la simulación.

Si un fabricante está evaluando una nueva celda de manipulación, el integrador puede examinar el robot propuesto, los objetos y el espacio de trabajo antes de la puesta en marcha. La dificultad sigue estando en representar la tarea con precisión: una escena visualmente impecable que simula mal el contacto es una mala prueba.

No todos los proyectos necesitan todos los componentes de Isaac. Pide al integrador que explique qué aporta cada componente propuesto a la prueba de aceptación.

¿Qué aporta un modelo de IA física como NVIDIA Isaac GR00T?

NVIDIA Isaac GR00T incluye un modelo fundacional robótico adaptable a cuerpos robóticos, tareas y entornos concretos. Su modelo de visión, lenguaje y acción, o VLA, conecta las entradas visuales y las instrucciones en lenguaje con las acciones del robot. Está más cerca de decidir un movimiento que de generar una explicación sobre él.

El repositorio de versiones de GR00T de NVIDIA clasifica N1.7 como versión de disponibilidad general y ofrece pesos, código de referencia y flujos de trabajo para ajuste fino e inferencia con datos robóticos. El ajuste fino consiste en adaptar el modelo con ejemplos adicionales del trabajo que debe realizar.

Hay una contradicción en la documentación que los compradores deberían conocer. El repositorio contempla el despliegue en producción con soporte comercial, mientras que las preguntas frecuentes del producto todavía describen la versión 1.7 como de acceso anticipado y excluyen ese soporte. La clasificación de disponibilidad de este artículo se basa en el anuncio explícito de disponibilidad general, o GA. Solicita confirmación por escrito del alcance del soporte para la versión, el hardware robótico y el despliegue que vas a contratar.

GR00T resulta pertinente cuando un socio especializado en robótica puede adaptar y validar una política aprendida, es decir, el comportamiento que convierte observaciones en acciones. Su existencia no demuestra que cualquier robot pueda hacerse cargo de cualquier proceso.

NVIDIA Omniverse crea el entorno de pruebas

NVIDIA Omniverse reúne bibliotecas, API y servicios que los desarrolladores integran en aplicaciones de ingeniería y simulación. Su página actual de producto describe la compatibilidad con OpenUSD, un formato para conectar datos estructurados de escenas, junto con renderizado y simulación de física y sensores.

El responsable de operaciones debería recibir un modelo utilizable de un proceso o una instalación, no solo un recorrido virtual impresionante. Un gemelo de un almacén podría ayudar a evaluar si una ruta modificada genera congestión. Un gemelo de una planta de fabricación podría servir para estudiar el alcance, el espacio libre o un cambio de distribución. Son posibles usos, no resultados garantizados.

Omniverse y Cosmos cumplen funciones distintas. Omniverse ayuda a construir y probar entornos virtuales estructurados. Cosmos aporta modelos entrenados y material generado que pueden alimentar el desarrollo. La propia NVIDIA advierte que una escena visualmente completa puede carecer de las propiedades necesarias para simularla. Un gemelo merece confianza cuando sus resultados coinciden con las observaciones relevantes de las instalaciones.

Gemini Robotics: accesos distintos al razonamiento y a la acción

La familia Gemini Robotics de Google DeepMind separa la comprensión de una tarea física de la ejecución del movimiento robótico. Esa distinción determina qué puede probar hoy tu socio de ingeniería.

Gemini Robotics ER 2, el modelo de razonamiento corporizado, está en fase de prueba pública a través de Google AI Studio y la API de Gemini. Permite comprender relaciones espaciales, planificar y comprobar si las tareas se completan con éxito. Su salida es texto; la ejecución motora queda a cargo de un modelo de acción de nivel inferior. La documentación para desarrolladores de Google también explica cómo conectar su razonamiento con funciones robóticas personalizadas.

Gemini Robotics 2, el modelo de acción, recibe imágenes y texto y produce acciones. Está en fase de prueba privada. Gemini Robotics On-Device 2, diseñado para ejecutarse localmente en hardware robótico, está disponible para evaluadores de confianza.

Por tanto, ER ofrece una vía de evaluación para desarrolladores; eso no convierte al conjunto completo de control robótico en un producto listo para comprar y usar. También existe una restricción de uso importante: la ficha del modelo ER 2 excluye las aplicaciones críticas para la seguridad en las que un fallo pudiera previsiblemente causar lesiones, muertes o daños materiales. Antes de prometer un despliegue, tu socio debe determinar si el uso propuesto cumple esas condiciones.

Ejemplos de IA física: producción, pilotos y desarrollo

Las pruebas más claras de uso en producción pueden corresponder al software de planificación, mientras que el comportamiento del robot sigue en desarrollo. Conviene separar ambas afirmaciones al evaluar una referencia de un proveedor.

BMW afirma haber desarrollado gemelos digitales de todas sus 30+ plantas y que sus equipos de planificación utilizan Omniverse para diseñar procesos de producción de forma colaborativa. Es una referencia concreta de planificación digital en operaciones. No demuestra que un modelo robótico de propósito general gestione esas plantas de forma autónoma. La descripción de la producción de BMW explica directamente ese trabajo.

La actualización de la plataforma Isaac de NVIDIA señala que Humanoid está desarrollando y validando comportamientos antes de realizar pilotos industriales. Por separado, describe cómo Bear Robotics adapta GR00T a flujos de trabajo de almacén, devoluciones e industria. Son actividades de desarrollo atribuidas a empresas concretas. Ninguna de las dos afirmaciones debe presentarse como prueba de rendimiento sostenido en producción para tu tarea.

Google DeepMind identifica a Agile Robots, Apptronik y Boston Dynamics como socios de investigación. Una relación de investigación acredita una colaboración, no la aceptación de un sistema completo por parte de un cliente.

Aplica el mismo criterio a todas las propuestas: una demostración muestra una capacidad; un piloto prueba un uso acotado; las pruebas de producción muestran un rendimiento repetible en condiciones reales de operación. Pregunta qué demuestra la referencia del proveedor y qué diferencias hay entre esas instalaciones y las tuyas.

Empieza por el gemelo digital de una tarea

El primer proyecto debe responder a una pregunta operativa antes de comprometerte con una flota de robots. Para una tarea de automatización nueva, un proyecto de simulación acotado da al equipo de ingeniería algo concreto que validar.

En una empresa manufacturera, la pregunta podría ser si una celda de manipulación puede manejar la combinación real de piezas y contenedores. En una empresa logística, si una ruta propuesta para vehículos sigue funcionando cuando se bloquea un pasillo. En el comercio minorista, conviene empezar en una zona controlada de devoluciones o preparación de pedidos, donde se puedan definir los objetos, el acceso y los procedimientos de recuperación.

Son ejemplos de cómo delimitar un proyecto. Ninguno exige un humanoide, y algunos podrían resolverse mejor con automatización convencional o con un cambio en el proceso.

1. 1

   Define la tarea y las pruebas de aceptación

   Describe la situación inicial, el resultado necesario, los objetos permitidos, la zona de operación y las excepciones. Registra el rendimiento actual. Acuerda cómo medirás la finalización sin intervención humana, el tiempo de ciclo, los defectos de calidad y el esfuerzo de recuperación. Fija los criterios de aprobación con los responsables del proceso antes de ver la demostración.

2. 2

   Recopila los datos que harán creíble el modelo

   Reúne planos con medidas o dibujos de ingeniería, la geometría del equipo, las especificaciones del robot y la pinza, las posiciones de las cámaras y las propiedades físicas pertinentes. Añade la combinación real de productos, las variaciones de embalaje, videos de la tarea y registros de fallos. Un proyecto de aprendizaje también puede necesitar demostraciones robóticas grabadas. Pregunta al integrador qué datos faltantes impedirían realizar una prueba útil.

3. 3

   Modela la tarea y comprueba el modelo

   Pide al integrador que construya el gemelo más pequeño que resulte útil. Compara sus predicciones con las observaciones del proceso existente o de una prueba controlada. Varía las condiciones relevantes, como la posición de los objetos, la visibilidad y los obstáculos. Trata los datos generados como material adicional de entrenamiento o prueba que requiere revisión, no como evidencia de que la tarea real saldrá bien.

4. 4

   Realiza una prueba física acotada antes de ampliar

   Utiliza la tarea, las condiciones y el procedimiento de recuperación acordados. Registra todos los intentos, incluidas las intervenciones y las recuperaciones fallidas. Compara la prueba con el rendimiento de referencia y las expectativas de la simulación. Amplía el proyecto solo cuando el resultado medido cumpla los criterios de aceptación; de lo contrario, revisa el modelo, la tarea o el equipo propuesto.

Contrata la integración que necesita la tarea

El proveedor adecuado suele ser un integrador de sistemas robóticos, un integrador de software industrial o un fabricante de equipos de automatización con experiencia en la aplicación concreta. Un integrador de sistemas combina hardware, software, conexiones con las instalaciones y trabajos de puesta en marcha para entregar una instalación funcional.

Si el proyecto empieza por un gemelo, busca a alguien que pueda conectar los modelos de ingeniería con los datos operativos y validar la simulación. Si incluye una prueba robótica, exige además experiencia con el robot, la pinza y los controles elegidos, así como con el flujo de trabajo que los rodea. Debe quedar claro quién responde por la puesta en marcha, la recuperación ante excepciones, el mantenimiento y los cambios posteriores a la entrega.

Los responsables de operaciones deberían actuar ahora cuando ya cuentan con un cuello de botella concreto, un responsable del proceso y datos utilizables. Los equipos de ingeniería deberían evaluar modelos ahora cuando puedan preparar el entorno de prueba y comparar resultados. Los compradores deberían posponer un compromiso amplio de compra de robots si la tarea no está definida o la propuesta no especifica los trabajos de integración y aceptación. Una empresa cuyo problema sea responder consultas sobre documentos o dirigir solicitudes de software puede seguir evaluando agentes digitales sin emprender un proyecto de IA física.

¿Qué promesas de la IA física están exageradas?

La promesa exagerada es que un modelo más capaz convierte el resto de la instalación en un trámite. La documentación de los fabricantes apunta en sentido contrario: los datos, la adaptación, la simulación y la ingeniería de despliegue siguen siendo trabajos separados.

Un mundo generado no es, por sí solo, una prueba física fiable. Una política descargable no es necesariamente compatible con el cuerpo, los sensores y la tarea de tu robot. Una demostración exitosa no equivale a un registro de rendimiento durante un turno completo, especialmente si no incluye los fallos y las intervenciones.

La medición que suele faltar es la recuperación. Si un sistema resuelve el caso normal, pero necesita una y otra vez que alguien lo restablezca, hay que contabilizar ese trabajo. Una tasa de éxito destacada, sin conocer la combinación de tareas, qué se considera una intervención y las condiciones operativas, no permite saber si el proceso mejora.

No existe una cuenta regresiva universal que resulte útil para la IA física. Lo que hay que decidir es si un sistema concreto puede hacer un trabajo concreto, en condiciones que puedas especificar y verificar.

¿Qué preguntar a un proveedor de IA física?

Pide un conjunto de pruebas vinculado a tu tarea. Estas preguntas ayudan a concretar el trabajo propuesto:

• ¿Qué versión del modelo, cuerpo robótico, sensores y pinza se incluyen, y qué componentes tienen disponibilidad general o acceso en fase de prueba?
• ¿Qué cliente identificable utiliza exactamente este flujo de trabajo, y la referencia corresponde a una demostración, un piloto o una operación en curso?
• ¿Pueden mostrar registros de intentos, intervenciones, fallos y tiempos de recuperación con la combinación de productos y las condiciones que esperamos?
• ¿Qué datos debemos aportar, cómo se utilizan, quién puede conservarlos y qué ocurre cuando cambian los embalajes o la distribución del espacio?
• ¿Cómo validarán el gemelo frente a las instalaciones reales, y qué efectos físicos o casos de fallo omite el modelo?
• ¿Quién se responsabiliza de la integración, los controles de protección, la puesta en marcha, el mantenimiento y el soporte, y qué criterios de aceptación por escrito determinan la entrega?

El lunes, reúne al responsable del proceso, al ingeniero de control y al posible integrador en torno a la descripción de una tarea. Lleva los datos de rendimiento de referencia y excepciones representativas. Encarga un estudio de viabilidad con un alcance que se pueda poner a prueba antes de pedir una hoja de ruta general de robótica.

Preguntas frecuentes

¿Cuál es un ejemplo de IA física?

Un robot que utiliza una cámara para localizar una pieza, ajusta el agarre y comprueba si el movimiento salió bien es un ejemplo del concepto. Un gemelo digital puede ofrecer el entorno donde se desarrolla y prueba ese comportamiento; el gemelo, por sí solo, no demuestra que exista una operación autónoma.

¿La IA física ya es posible?

Sí. Las herramientas de desarrollo y los accesos a modelos descritos en este artículo existen hoy. Determinar si una instalación concreta es fiable exige ingeniería y validación específicas para su tarea.

¿Qué empresas trabajan en IA física?

NVIDIA ofrece Cosmos, Isaac, GR00T y Omniverse. Google DeepMind ofrece la familia Gemini Robotics. Los fabricantes de robots y los integradores convierten los componentes en sistemas; cada relación y cada afirmación sobre un despliegue necesitan sus propias pruebas.

¿Cuánto falta para la IA física?

No hay una única fecha de llegada. Ya conviven la planificación digital en operaciones, los marcos de desarrollo disponibles, las versiones publicadas de modelos y los accesos de prueba restringidos. Evalúa las condiciones de acceso y el rendimiento demostrado del sistema exacto que necesitas.

¿Será la IA física la próxima gran revolución?

Para un responsable de operaciones, la pregunta útil es si un proyecto acotado mejora un proceso medible. La notoriedad de esta categoría no justifica comprar un robot antes de definir la tarea y los criterios de aceptación.

Para tomar decisiones prácticas sobre la adopción de IA, suscríbete al boletín.