Capítulos
En esta página
1. Qué es la IA corporizada
1.1 Definición
La IA corporizada integra inteligencia artificial en sistemas físicos, como robots y vehículos inteligentes. Mediante un cuerpo, utiliza un lazo cerrado de percepción, decisión y acción para interactuar dinámicamente con el mundo real.
La definición contiene tres ideas:
- Cuerpo: el agente tiene sensores y actuadores para observar y modificar el entorno. Suele ser un robot real; en investigación y entrenamiento también puede ser un robot virtual en simulación.
- Interacción: las acciones cambian el entorno y esos cambios determinan lo que se observará después.
- Lazo cerrado: percepción, decisión y acción se repiten continuamente. El agente no se limita a mirar una vez y producir una respuesta.
1.2 El ciclo de percepción, decisión y acción
Un robot que juega al fútbol busca marcar sin perder el equilibrio:
IA corporizada · Información y acción
De observar el mundo a cambiarlo
Selecciona una etapa para explorar sus entradas, procesamiento y salidas.
Dentro del robot
Mundo exterior
Nuevas observaciones y retroalimentaciónVolver a observar y ajustar la siguiente acción
Percepción y comprensión
¿Cuál es el estado del mundo y del robot?
- Entrada
- Imágenes de cámara, ángulos articulares y postura corporal.
- Procesamiento
- Detectar el balón, la portería y el portero; estimar sus posiciones respecto al robot.
- Salida
- Una estimación del estado de la escena y del robot.
En el campo de fútbolVer el balón delante y al portero cubriendo el lado derecho de la portería.
Una vista del flujo de información: en un robot real, estas etapas funcionan de forma continua a frecuencias distintas.
El ciclo se repite durante todo el golpeo y cada etapa funciona a su ritmo: la visión puede detectar balón y portería decenas de veces por segundo, mientras que los controladores articulares pueden actualizarse cientos o miles de veces por segundo.
En la demo 3D puedes girar la vista y cambiar la velocidad para seguir el ciclo paso a paso:
Fútbol robótico · Un lazo cerrado en 3D
Enseña a un robot a marcar un gol
Preparando el campo 3D…
Las nuevas observaciones vuelven a la percepción
«Percepción, decisión y acción» es una descripción funcional. Un sistema real puede usar varios módulos que colaboran o un único modelo que desempeña varias funciones.
1.3 Tener un cuerpo cambia el problema
Muchos sistemas de IA procesan datos ya recogidos: reciben una imagen y producen una etiqueta, o reciben texto y generan una respuesta. Un agente corporizado debe actuar en su entorno, lo que introduce diferencias fundamentales:
| Aspecto | IA que procesa datos estáticos | IA corporizada |
|---|---|---|
| Origen de los datos | Conjuntos existentes recibidos de forma pasiva | Sus propias acciones determinan la siguiente observación |
| Salida | Etiquetas, texto o imágenes | Acciones que afectan al mundo físico |
| Coste de los errores | Normalmente se puede volver a generar | Caídas, roturas o colisiones, a menudo irreversibles |
| Tiempo | Puede calcular sin conexión; tardar más es aceptable | Debe actuar dentro del ciclo de control o pierde el equilibrio o la oportunidad |
| Escala de datos | Grandes cantidades de texto e imágenes de internet | Datos de interacción que hay que recoger específicamente; caros y escasos |
Esto explica por qué los grandes modelos avanzan rápidamente en conversación y escritura, pero doblar ropa o hacer tareas domésticas de forma fiable sigue siendo difícil. El capítulo 5 analiza estos problemas.
La paradoja de Moravec
En 1988, Hans Moravec observó que era relativamente fácil lograr que un ordenador rindiera como un adulto en pruebas de inteligencia o en las damas, pero difícil o imposible darle la percepción y movilidad de un niño de un año. Esta observación se conoce como paradoja de Moravec.
Su explicación era que la percepción y el movimiento proceden de una evolución muy larga: están tan optimizados que los realizamos sin esfuerzo y no percibimos su dificultad. El razonamiento abstracto apareció mucho después y resulta más fácil de expresar como reglas. Por eso, acciones aparentemente sencillas, como recoger una taza desconocida o mantener el equilibrio en un suelo resbaladizo, pueden ser las más difíciles.
1.4 El cuerpo determina qué se puede aprender
Un mismo algoritmo puede comportarse de forma muy distinta según el cuerpo:
- Los sensores determinan las observaciones: una cámara superior puede no ver los detalles junto a la pinza; una cámara en la muñeca facilita la manipulación cercana.
- Los actuadores determinan las acciones: una pinza paralela sirve para objetos regulares; girar un bolígrafo en la mano o una tapa requiere una mano con mayor destreza.
- La forma determina dónde puede ir: las ruedas son eficientes en suelo plano, pero no suben escaleras; las patas superan obstáculos, aunque son más difíciles de controlar.
Antes de discutir un método, especifica en qué cuerpo funciona. El capítulo 4 presenta las plataformas habituales.
1.5 IA corporizada y robótica
Los robots son la plataforma principal de la IA corporizada. Los campos se solapan, pero enfatizan aspectos distintos:
- La robótica estudia diseño, modelado, percepción, planificación y control; aporta cinemática, dinámica, estimación de estado y teoría de control.
- La IA corporizada enfatiza la interacción entre inteligencia, cuerpo y entorno: cómo aprender tareas mediante la interacción y generalizar a objetos, entornos e instrucciones nuevos.
La investigación combina habitualmente modelado y control robóticos con métodos de aprendizaje automático basados en datos. Los fundamentos cubren ambas partes.
También suelen incluirse los vehículos autónomos, drones y agentes virtuales que aprenden navegación o manipulación en simulación. Este sitio se centra en robots.
Resumen
- La IA corporizada estudia agentes que usan un cuerpo para interactuar y completar tareas mediante percepción, decisión y acción en lazo cerrado.
- Debe obtener información activamente, asumir consecuencias físicas, cumplir requisitos de tiempo real y afrontar datos escasos.
- El cuerpo determina observaciones, acciones y entornos alcanzables. Hay que especificarlo al hablar de un método.
Para continuar
- 2. Breve historia: de dónde viene el campo.
- Fundamentos: módulos de decisión, control, percepción e ingeniería.
Referencias
- NVIDIA: What is embodied AI?
- Hans Moravec. Mind Children: The Future of Robot and Human Intelligence. Harvard University Press, 1988.