Las declaraciones públicas de OpenAI apuntan a una estrategia deliberada que prioriza el cerebro: diseñar un cuerpo humanoide cuando haga falta, pero concentrar la mayor parte de la inversión en la capa cognitiva. Esta distinción importa porque el diseño de actuadores, la percepción y la ingeniería mecánica actuales ya han demostrado que la locomoción bípeda y la manipulación básica son viables en entornos controlados. El reto que queda no es solo de hardware: consiste en crear sistemas que conviertan los flujos de datos de los sensores en representaciones sólidas del entorno, mantengan la memoria durante tareas prolongadas, planifiquen ante una física incierta y ejecuten acciones con la fiabilidad y la seguridad de una persona. Para responsables de producto e investigadores, la conclusión es clara: diferenciarse mediante software e infraestructura de entrenamiento ofrecerá la mayor ventaja.
Hoy, la percepción recurre a grandes modelos multimodales para combinar visión, profundidad, indicios táctiles y lenguaje, pero las habitaciones y los flujos de trabajo reales siguen poniendo estos modelos en aprietos. Los sistemas de percepción actuales tienen dificultades con las oclusiones, las superficies reflectantes, el ruido de los sensores y la localización de objetos pequeños cuando cambia la distribución de los datos. El fallo se propaga: una segmentación incorrecta de un objeto o una estimación errónea de su posición puede convertir una operación rutinaria de recogida en una caída o una colisión. La ingeniería práctica exige redundancia por capas: fusión de sensores, estimación rápida del estado y calibración en línea autosupervisada; además, hay que evaluar los sistemas con conjuntos de datos deliberadamente complejos que representen almacenes, cocinas y obras, en lugar de escenas de laboratorio cuidadosamente preparadas.
La planificación a largo plazo y la memoria son el núcleo conceptual de lo que plantea Altman. Los controladores reflejos de corto plazo bastan para tareas repetitivas y acotadas, pero los humanoides de propósito general deben razonar a través de secuencias de acciones condicionales, conservar recuerdos episódicos del contexto de cada tarea, anticipar las consecuencias físicas de manipulaciones novedosas y recuperarse de perturbaciones no modeladas. El aprendizaje por refuerzo y los modelos del mundo basados en modelos son prometedores, pero ambos requieren transferir el aprendizaje de la simulación a la realidad con pocas muestras y contar con una capa de planificación componible, capaz de recurrir a abstracciones similares a las simbólicas cuando convenga y a la optimización directa de trayectorias cuando sea necesario.
La seguridad, la verificación y la coordinación entre personas y robots son los mayores obstáculos para llevar estos sistemas al mercado. Un robot que comparte espacio con personas debe poder demostrar que respeta límites de fuerza y velocidad, y que gestiona las oclusiones; también debe comunicar sus intenciones con claridad y contar con mecanismos de seguridad robustos. No son solo retos de investigación: pueden impedir el despliegue y determinar las estrategias de comercialización —ámbitos de trabajo limitados, supervisión de compañeros humanos y espacios fuertemente instrumentados— hasta que aumente la confianza en la autonomía. Inversores y operadores deberían reservar tiempo y capital para ciclos iterativos de validación en proyectos piloto instrumentados, no para lanzar de inmediato productos de consumo.