Robots que se desplazan de forma autónoma por un almacén, maquinaria agrícola que reconoce su entorno y robots de inspección que señalan ellos mismos las anomalías. Las máquinas son cada vez más capaces no solo de recopilar información, sino también de responder de forma autónoma a lo que ocurre a su alrededor.
Este desarrollo se denomina Physical AI, en español a veces llamada IA física. En Physical AI, la inteligencia artificial se aplica en máquinas que operan en el mundo físico. Estas utilizan sensores para percibir su entorno, procesan esta información y a continuación pueden llevar a cabo una acción física por sí mismas.
Para el mercado del IoT, este desarrollo es especialmente relevante porque cada vez más máquinas conectadas no solo recopilan datos, sino que también interpretan su entorno de forma autónoma, toman decisiones y actúan.
Pero, ¿cuándo hablamos exactamente de Physical AI? ¿Es todo robot inteligente una forma de Physical AI? ¿Y en qué se diferencia de la robótica tradicional, la Embodied AI y la IA generativa? En este artículo de nuestra base de conocimientos explicamos los fundamentos.
¿Qué es Physical AI?
Physical AI es inteligencia artificial que permite a un sistema percibir el mundo físico, tomar decisiones y actuar en consecuencia.
Esto suele ocurrir en tres pasos:
- Percibir: los sensores recopilan información sobre el entorno.
- Decidir: el software y los modelos de IA interpretan esta información y determinan qué debe suceder.
- Actuar: la máquina lleva a cabo entonces una acción física.
Piense, por ejemplo, en un robot autónomo de almacén que detecta a una persona en su ruta. Los sensores reconocen el obstáculo, el sistema determina que la ruta actual no es segura, y el robot frena o elige otra ruta.
La diferencia con muchas otras formas de IA radica sobre todo en que el resultado no permanece únicamente en el plano digital. El sistema influye realmente en el entorno físico.
¿Cómo funciona Physical AI?
Un sistema de Physical AI suele estar compuesto por varios elementos que trabajan conjuntamente.
Los sensores perciben el entorno
Una máquina debe poder entender primero qué ocurre a su alrededor. Para ello pueden emplearse distintos tipos de sensores, como:
- cámaras
- LiDAR
- radar
- sensores ultrasónicos
- GPS
- sensores de temperatura
- sensores de presión
Los sensores necesarios dependen por completo de la aplicación. Una máquina agrícola autónoma, por ejemplo, necesita información distinta a la de un brazo robótico en una fábrica.
La IA interpreta la información
Los datos recopilados son procesados a continuación por software y modelos de IA. Un sistema de cámaras puede, por ejemplo, reconocer que hay una persona delante de un vehículo, mientras que un robot agrícola puede distinguir mediante reconocimiento de imágenes entre un cultivo y una mala hierba. El sistema utiliza esta información para determinar qué debe ocurrir a continuación.
La máquina lleva a cabo una acción
El último paso es la acción física. Para un robot, esto puede significar, por ejemplo, que:
- se detiene
- acelera
- elige otra ruta
- recoge un objeto
- clasifica un producto
- inspecciona un componente
- trata un cultivo
Es precisamente esta combinación de percibir, decidir y actuar físicamente lo que caracteriza a Physical AI.
¿En qué se diferencia Physical AI de la robótica tradicional?
Los robots existen, por supuesto, desde mucho antes que Physical AI. Un brazo robótico industrial tradicional puede, por ejemplo, realizar exactamente el mismo movimiento miles de veces al día. Esto hace que el robot esté automatizado, pero no que sea automáticamente inteligente. La diferencia principal radica en la capacidad de adaptarse a los cambios.
Un sistema robótico tradicional suele funcionar según instrucciones predefinidas: recoge la pieza A y colócala en la posición B. Cuando el entorno cambia, el sistema a menudo debe volver a programarse o configurarse.
Un sistema de Physical AI, en cambio, puede utilizar la información de su entorno para adaptar su comportamiento. Si la pieza A se encuentra, por ejemplo, unos centímetros más allá, un robot equipado con cámaras e IA puede determinar por sí mismo dónde se encuentra la pieza y ajustar su movimiento en consecuencia. Esto no significa, sin embargo, que todo robot moderno sea automáticamente Physical AI. Muchos robots siguen funcionando en gran medida según reglas fijas o procesos programados.
¿En qué se diferencia Physical AI de la IA generativa?
La IA generativa y Physical AI utilizan ambas inteligencia artificial, pero se emplean para tareas distintas. La IA generativa es conocida sobre todo por sistemas que producen contenido digital nuevo, como:
- texto
- imágenes
- audio
- vídeo
Physical AI, por su parte, utiliza la IA para poder funcionar en un entorno físico. Un chatbot puede, por ejemplo, describir una ruta para un robot de almacén. Un sistema de Physical AI debe poder recorrer realmente esa ruta, reconocer obstáculos por el camino y responder cuando la situación cambia.
Las dos formas de IA también pueden combinarse. La IA generativa puede, por ejemplo, utilizarse para interpretar instrucciones, mientras que otros modelos de IA se encargan de la percepción, la navegación y las acciones físicas.
¿Es Physical AI lo mismo que Embodied AI?
Los términos Physical AI y Embodied AI están estrechamente relacionados y en la práctica se utilizan con frecuencia uno junto al otro o de forma intercambiable.
Embodied AI hace hincapié sobre todo en la idea de que la inteligencia reside en un sistema físico que puede aprender o actuar mediante la interacción con su entorno. Physical AI se utiliza generalmente de forma más amplia para sistemas de IA que vinculan la inteligencia con máquinas físicas, robots y sistemas autónomos. No existe una línea divisoria totalmente fija entre ambos términos. En muchas aplicaciones existe un solapamiento considerable.
Para las organizaciones, por tanto, suele ser más relevante fijarse en lo que el sistema realmente puede hacer:
- ¿puede percibir su entorno?
- ¿puede tomar decisiones de forma autónoma?
- ¿puede adaptar su comportamiento?
- ¿puede después actuar físicamente?
Ejemplos de Physical AI
Physical AI no se limita a los robots humanoides. La tecnología puede aplicarse en muchos tipos distintos de máquinas y vehículos.
Logística y almacenes
Los Autonomous Mobile Robots, a menudo abreviados como AMR, se desplazan de forma autónoma por almacenes y centros de distribución. Pueden transportar mercancías, ajustar rutas y responder a otros vehículos o empleados que se mueven por el mismo entorno. Las carretillas elevadoras autónomas y otros vehículos de transporte interno también forman cada vez más parte de este desarrollo.
Vehículos autónomos
Los coches autónomos, lanzaderas, camiones y vehículos en instalaciones industriales cerradas utilizan sensores y software para evaluar continuamente su entorno. El sistema debe, por ejemplo, reconocer otros vehículos, marcas viales, personas y obstáculos, y responder en consecuencia.
Agricultura
También en la agricultura las máquinas son cada vez más autónomas. Algunos ejemplos son:
- tractores autónomos
- robots de campo
- robots de cosecha
- robots que reconocen malas hierbas
- cortacéspedes autónomos
Un robot de campo puede, por ejemplo, utilizar cámaras para reconocer dónde se encuentran los cultivos y adaptar su trabajo en consecuencia.
Industria
En las fábricas, los robots son cada vez más capaces de gestionar la variación. Los sistemas de visión pueden, por ejemplo, determinar cómo debe recogerse una pieza colocada al azar, tras lo cual un brazo robótico ajusta su movimiento en consecuencia.
Inspección y mantenimiento
Los robots y drones pueden utilizarse, por ejemplo, para inspeccionar:
- vías férreas
- redes eléctricas
- turbinas eólicas
- oleoductos y gasoductos
- instalaciones industriales
Los modelos de IA pueden ayudar a reconocer automáticamente irregularidades o daños en el proceso.
Espacios públicos
También fuera de los entornos industriales surgen cada vez más aplicaciones autónomas. Algunos ejemplos son:
- cortacéspedes
- máquinas de limpieza viaria
- vehículos de recogida de residuos
- quitanieves
Physical AI no se limita, por tanto, a un único sector. La tecnología puede desempeñar un papel en prácticamente cualquier entorno en el que una máquina deba responder de forma autónoma a los cambios.
¿Por qué recibe Physical AI tanta atención ahora?
Gran parte de la tecnología necesaria para Physical AI existe desde hace tiempo. Sin embargo, la combinación de estas tecnologías es cada vez más potente.
Los sensores se han vuelto más pequeños y asequibles, los ordenadores pueden procesar localmente cada vez más información, y los modelos de IA han mejorado, entre otras cosas, en el reconocimiento de imágenes, la navegación y la interpretación de entornos complejos. Como resultado, las máquinas pueden llevar a cabo tareas que antes eran difíciles de automatizar por completo.
Un robot, por ejemplo, ya no tiene que funcionar exclusivamente en un entorno totalmente controlado. Cada vez más sistemas pueden lidiar con personas, objetos en movimiento, condiciones meteorológicas y otros cambios.
Como resultado, la automatización se está desplazando gradualmente de procesos fijos hacia sistemas capaces de adaptarse a la situación en la que se encuentran.
¿Qué papel desempeña el IoT dentro de Physical AI?
Physical AI e IoT no son lo mismo. El IoT consiste, en esencia, en conectar dispositivos y máquinas para que los datos puedan recopilarse, intercambiarse y gestionarse. Physical AI se refiere a máquinas que, a partir de información, pueden percibir, decidir y actuar de forma autónoma.
Sin embargo, ambas tecnologías convergen cada vez más. Un robot autónomo puede, por ejemplo, determinar localmente cómo esquivar un obstáculo, mientras que al mismo tiempo se envían datos a una plataforma central a través de una conexión IoT.
Esto puede incluir, por ejemplo:
- ubicación
- estado de la batería
- mensajes de error
- datos de sensores
- datos de uso
- información de mantenimiento
- actualizaciones de software y de modelos
La conexión, por tanto, no tiene por qué ser responsable de cada decisión en tiempo real de la máquina. Muchas decisiones críticas se toman precisamente de forma local en el dispositivo o en el edge.
La conectividad se vuelve especialmente importante cuando las máquinas deben gestionarse o supervisarse a distancia, o deben comunicarse con otros sistemas.
De una máquina autónoma a una flota completa
Con un solo robot en una única ubicación, la cuestión de la conectividad es relativamente sencilla. Esto cambia cuando una organización utiliza decenas, cientos o miles de máquinas en distintas ubicaciones o en varios países.
Entonces surgen nuevas preguntas: ¿cómo se supervisan todas las máquinas de forma centralizada? ¿Cómo se llevan a cabo las actualizaciones de software? ¿Cómo se investiga a distancia una avería? ¿Qué ocurre cuando una red móvil tiene poca cobertura en una ubicación? ¿Y cómo se gestionan los dispositivos cuando se desplazan entre países?
En ese momento, la conectividad pasa a formar parte de una infraestructura más amplia en torno a Physical AI.
¿Necesita internet toda aplicación de Physical AI?
No. Un sistema de Physical AI no necesita estar conectado continuamente a internet para funcionar. Muchas tareas esenciales se llevan a cabo localmente. Un robot autónomo, por ejemplo, no debería depender de una conexión externa a la nube para poder detenerse en el último momento ante una persona.
Una conexión con sistemas externos, sin embargo, puede ser necesaria, por ejemplo, para la supervisión, la gestión de flotas, las actualizaciones de software, el diagnóstico o el intercambio de datos. La importancia de la conectividad varía por tanto considerablemente según la aplicación. Un brazo robótico industrial que siempre está en la misma fábrica tiene requisitos distintos a los de una máquina agrícola autónoma que se desplaza diariamente por grandes superficies.
¿Es todo robot autónomo Physical AI?
No necesariamente. Un sistema puede ser autónomo sin utilizar inteligencia artificial avanzada. Una máquina que solo sigue rutas y reglas predefinidas puede, por ejemplo, funcionar de forma autónoma sin ser por ello necesariamente un sistema de Physical AI.
Cuanto más utiliza un sistema la IA para interpretar su entorno y adaptar su comportamiento en consecuencia, más se acerca a lo que hoy se entiende por Physical AI.
¿Qué significa Physical AI para el futuro de las máquinas?
Las máquinas dependen cada vez menos de entornos totalmente predecibles. Mientras que la automatización tradicional funciona especialmente bien cuando los procesos y las condiciones se conocen de antemano, Physical AI permite desplegar máquinas en entornos más dinámicos.
Esto no significa que toda máquina vaya a volverse completamente autónoma. En la práctica, seguirán existiendo distintas formas en paralelo: automatización fija, máquinas operadas a distancia, sistemas parcialmente autónomos y máquinas que funcionan de manera en gran medida independiente.
Physical AI representa, sobre todo, un paso más en la forma en que el software, la IA y las máquinas colaboran con el mundo físico.
Conclusión
Physical AI une la inteligencia artificial con los sistemas físicos. Como resultado, las máquinas pueden percibir su entorno, procesar información y actuar de forma autónoma a partir de ella.
La tecnología se aplica, entre otros ámbitos, en la robótica, los vehículos autónomos, la agricultura, la logística y los entornos industriales. En este sentido, es importante distinguir entre la inteligencia de la propia máquina y los sistemas necesarios para gestionar y conectar estas máquinas a mayor escala.
La conectividad IoT desempeña un papel sobre todo en aplicaciones como la supervisión, la gestión de flotas, las actualizaciones de software, el diagnóstico y la comunicación con sistemas centrales. A medida que las aplicaciones de Physical AI se despliegan en más ubicaciones, máquinas y países, esta infraestructura se vuelve cada vez más importante.
Para más información, puede ponerse en contacto con nosotros por teléfono en el +31-85-0443500 o por correo electrónico en info@thingsdata.com.
