{"id":6975,"date":"2026-03-26T20:57:36","date_gmt":"2026-03-27T00:57:36","guid":{"rendered":"https:\/\/ermdigital.com\/index.php\/2026\/03\/26\/microsoft-desarrolla-la-ia-que-les-falta-a-la-mayoria-de-robots-la-capacidad-de-decidir-bien\/"},"modified":"2026-03-26T20:57:36","modified_gmt":"2026-03-27T00:57:36","slug":"microsoft-desarrolla-la-ia-que-les-falta-a-la-mayoria-de-robots-la-capacidad-de-decidir-bien","status":"publish","type":"post","link":"https:\/\/ermdigital.com\/?p=6975","title":{"rendered":"Microsoft desarrolla la IA que les falta a la mayor\u00eda de robots: la capacidad de decidir bien"},"content":{"rendered":"

La\u00a0rob\u00f3tica<\/strong> avanza r\u00e1pidamente, pero la mayor\u00eda de los robots sigue enfrentando una limitaci\u00f3n fundamental: la dificultad para\u00a0tomar decisiones<\/strong>\u00a0precisas sobre qu\u00e9 acci\u00f3n realizar y d\u00f3nde llevarla a cabo.\u00a0Microsoft<\/strong>, junto a un consorcio de investigadores acad\u00e9micos, ha presentado un nuevo est\u00e1ndar,\u00a0GroundedPlanBench<\/strong>, que busca resolver este desaf\u00edo y acercar la inteligencia artificial de los robots a la toma de decisiones eficiente y contextualizada.<\/p>\n

En los sistemas rob\u00f3ticos convencionales, el proceso de decisi\u00f3n se divide en\u00a0dos etapas<\/strong>. Primero, un modelo de visi\u00f3n y lenguaje genera un plan en lenguaje natural. Despu\u00e9s, otro sistema traduce ese plan en acciones f\u00edsicas. Este enfoque fragmentado provoca errores frecuentes, ya que la desconexi\u00f3n entre el plan y la ejecuci\u00f3n permite que las equivocaciones en una etapa se trasladen a la siguiente.<\/p>\n

Errores t\u00edpicos incluyen\u00a0confusiones sobre qu\u00e9 objeto manipular<\/strong>\u00a0o la invenci\u00f3n de pasos innecesarios. Por ejemplo, si se le pide a un robot descartar vasos de papel, puede no identificar correctamente cu\u00e1l vaso debe recoger o incluso realizar acciones no solicitadas. Estas fallas se agravan en entornos desordenados, donde los objetos son similares o numerosos.<\/p>\n

Recomendamos leer:OpenAI cerrar\u00e1 Sora, su plataforma de generaci\u00f3n de videos con IA<\/a><\/strong><\/h5>\n

GroundedPlanBench: un nuevo est\u00e1ndar para mejorar la toma de decisiones<\/strong><\/h2>\n

Para enfrentar este desaf\u00edo,\u00a0Microsoft y sus socios<\/strong>\u00a0han desarrollado\u00a0GroundedPlanBench<\/strong>, un sistema que eval\u00faa si los modelos de IA pueden planificar tareas y, al mismo tiempo, identificar con precisi\u00f3n d\u00f3nde debe realizarse cada acci\u00f3n.<\/p>\n

A diferencia de los sistemas tradicionales que solo utilizan texto, este est\u00e1ndar\u00a0vincula cada acci\u00f3n a una ubicaci\u00f3n espec\u00edfica en una imagen<\/strong>. Acciones como agarrar, colocar, abrir o cerrar se asocian a objetos o posiciones determinadas, obligando a la IA a conectar la decisi\u00f3n con el entorno f\u00edsico real.<\/p>\n

El benchmark incluye\u00a0m\u00e1s de mil tareas<\/strong>\u00a0basadas en interacciones reales de robots. Algunas instrucciones son directas, como colocar una cuchara en un plato, mientras que otras son abiertas, como ordenar una mesa. Esta variedad es crucial, ya que los robots suelen fallar cuando las indicaciones no son lo suficientemente claras.<\/p>\n

En uno de los experimentos, un robot deb\u00eda colocar\u00a0cuatro servilletas en un sof\u00e1<\/strong>. La falta de especificidad en la instrucci\u00f3n hizo que el sistema repitiera la acci\u00f3n sobre la misma servilleta, incluso con descripciones aparentemente m\u00e1s precisas como \u201cservilleta superior izquierda\u201d. Esto evidencia que el lenguaje ambiguo sigue representando un obst\u00e1culo para la ejecuci\u00f3n fiable de tareas complejas.<\/p>\n

Aprendizaje basado en tareas reales<\/strong><\/h2>\n

Para mejorar la capacidad de decisi\u00f3n, el equipo desarroll\u00f3 un m\u00e9todo de entrenamiento denominado\u00a0Video-to-Spatially Grounded Planning (V2GP)<\/strong>. Este sistema analiza videos de robots realizando tareas, detecta las interacciones con objetos, identifica dichos objetos y rastrea sus ubicaciones, generando as\u00ed planes estructurados que vinculan cada acci\u00f3n con un punto espec\u00edfico.<\/p>\n

Mediante este enfoque, los investigadores generaron\u00a0m\u00e1s de 40.000 planes \u201carraigados\u201d<\/strong>, que van desde acciones simples hasta secuencias complejas de hasta 26 pasos. Los modelos entrenados con este m\u00e9todo demostraron una mejor capacidad para elegir acciones adecuadas y asociarlas con los objetos correctos, adem\u00e1s de reducir errores repetitivos como actuar varias veces sobre el mismo elemento.<\/p>\n

Un cambio de paradigma para la rob\u00f3tica<\/strong><\/h2>\n

Pese a los avances, los retos persisten, especialmente en tareas largas y con instrucciones indirectas. Los investigadores advierten que los modelos deben ser capaces de razonar sobre\u00a0secuencias extensas<\/strong>\u00a0y mantener la coherencia a lo largo de m\u00faltiples pasos. Al comparar el nuevo enfoque con los sistemas tradicionales, se observ\u00f3 que estos \u00faltimos tienden a asignar\u00a0m\u00faltiples acciones al mismo objeto o lugar<\/strong>, sobre todo cuando las \u00f3rdenes son ambiguas.<\/p>\n

La\u00a0integraci\u00f3n de planificaci\u00f3n y localizaci\u00f3n<\/strong>\u00a0en un \u00fanico proceso reduce estos desajustes y permite decisiones m\u00e1s precisas. El equipo de Microsoft sugiere que futuras investigaciones podr\u00edan combinar este m\u00e9todo con modelos predictivos capaces de anticipar las consecuencias de cada acci\u00f3n, lo que ayudar\u00eda a los robots a evitar errores en tiempo real.<\/p>\n

Tambi\u00e9n puedes leer:Un proyecto europeo definir\u00e1 un c\u00f3digo \u00e9tico de la IA en la educaci\u00f3n y pol\u00edticas p\u00fablicas<\/a><\/strong><\/h5>\n

Las conclusiones del estudio apuntan a una direcci\u00f3n clara para el futuro de la rob\u00f3tica: los sistemas que consideran de manera conjunta la\u00a0acci\u00f3n y la ubicaci\u00f3n<\/strong>\u00a0tienen m\u00e1s probabilidades de operar con \u00e9xito en ambientes reales. Esta innovaci\u00f3n representa un\u00a0paso clave<\/strong>\u00a0para que los robots puedan decidir y actuar de manera fiable en tareas cotidianas, acerc\u00e1ndolos a una verdadera inteligencia artificial aplicada.<\/p>\n

\n
\"Microsoft<\/figure>\n
\"Microsoft<\/figure>\n
\"Microsoft<\/figure>\n<\/figure>\n

\u200bEl nuevo sistema ayuda a reducir errores t\u00edpicos de los robots en tareas cotidianas y ambientes desordenados\u00a0\u00a0Tecnolog\u00eda, IA, Microsoft\u00a0\u00a0<\/p>\n","protected":false},"excerpt":{"rendered":"

La\u00a0rob\u00f3tica avanza r\u00e1pidamente, pero la mayor\u00eda de los robots sigue enfrentando una limitaci\u00f3n fundamental: la dificultad para\u00a0tomar decisiones\u00a0precisas sobre qu\u00e9 acci\u00f3n realizar y d\u00f3nde llevarla a cabo.\u00a0Microsoft, junto a un consorcio de investigadores acad\u00e9micos, ha presentado un nuevo est\u00e1ndar,\u00a0GroundedPlanBench, que busca resolver este desaf\u00edo y acercar la inteligencia artificial de los robots a la toma […]<\/p>\n","protected":false},"author":1,"featured_media":6976,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"amp_status":"","footnotes":""},"categories":[3],"tags":[],"class_list":["post-6975","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-de-ultimo-minuto"],"_links":{"self":[{"href":"https:\/\/ermdigital.com\/index.php?rest_route=\/wp\/v2\/posts\/6975","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ermdigital.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ermdigital.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ermdigital.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/ermdigital.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=6975"}],"version-history":[{"count":0,"href":"https:\/\/ermdigital.com\/index.php?rest_route=\/wp\/v2\/posts\/6975\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/ermdigital.com\/index.php?rest_route=\/wp\/v2\/media\/6976"}],"wp:attachment":[{"href":"https:\/\/ermdigital.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=6975"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ermdigital.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=6975"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ermdigital.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=6975"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}