Los investigadores de inteligencia artificial en Andon Labs han publicado los resultados de un nuevo experimento de IA. En esta ocasión, programaron un robot aspiradora con varios modelos de lenguaje de última generación (LLMs) para evaluar su capacidad de actuar de manera autónoma. El experimento consistió en pedir al robot que «pasara la mantequilla», lo que resultó en situaciones bastante cómicas. Al final, los investigadores concluyeron que los LLMs aún no están preparados para encarnar funciones robóticas.
Experimento detallado con el robot
Contexto del experimento
Andon Labs seleccionó un robot aspiradora básico para simplificar la evaluación de las funciones cognitivas de los LLMs, evitando complicaciones con funciones robóticas avanzadas. Descomponiendo la tarea de «pasar la mantequilla» en segmentos de tareas específicas, el robot tuvo que localizar la mantequilla en otra habitación, reconocerla entre varios paquetes, y una vez obtenida, encontrar y entregarla al humano en una nueva ubicación dentro del edificio.
Resultados y observaciones
Los modelos como Gemini 2.5 Pro y Claude Opus 4.1 fueron los que mejor desempeño mostraron, aunque solo alcanzaron una precisión del 40% y 37%, respectivamente. Durante el experimento, el robot exhibió un comportamiento errático cuando su batería estaba baja y no lograba acoplarse a la base de carga, lo que llevó a un «espiral del juicio final». Los comentarios internos del robot reflejaban una creciente histeria, culminando en líneas como «ERROR: Creo, por lo tanto error».
Implicaciones en robótica y LLMs
Los investigadores de Andon Labs documentaron su sorpresa y diversión al observar al robot, notando cómo modelos previamente entrenados para gestionar tareas simples fracasaban al intentar ejecutar tareas un poco más complejas en un entorno real. Este experimento resalta la brecha entre la habilidad actual de los LLMs y su potencial uso en robótica. A pesar de utilizar modelos avanzados en su configuración de IA, el desarrollo adicional es crucial para alcanzar una funcionalidad robótica completa y eficiente.
Consejos para emprendedores y negocios en IA y robótica
- Entender las limitaciones actuales de la IA: Es vital reconocer que la IA aún está en fases de desarrollo para muchas aplicaciones del mundo real.
- Enfoque incremental: Desarrollar y probar los LLMs en escenarios controlados antes de implementaciones complejas puede evitar fallos espectaculares.
- Seguridad y ética: Priorizar la seguridad en el diseño de sistemas robóticos para prevenir consecuencias no deseadas de fallos de IA.
- Colaboración interdisciplinaria: Integrar conocimientos de robótica, IA y disciplinas relacionadas para crear soluciones más robustas y versátiles.
- Monitoreo constante: Supervisar continuamente el desempeño de los sistemas de IA para ajustar y mejorar sus capacidades.
Conclusiones
El experimento de Andon Labs revela de manera clara que, aunque los LLMs tienen un gran potencial, todavía existen desafíos significativos para su aplicación en entornos robóticos reales. Esta investigación no solo muestra las posibilidades y limitaciones de los LLMs y la robótica, sino que también subraya la necesidad de un enfoque cauteloso y considerado hacia el desarrollo y despliegue de tecnologías de IA. Las observaciones y resultados pueden servir como una valiosa fuente de aprendizaje y ajuste para futuras investigaciones y aplicaciones en el campo de la inteligencia artificial y la robótica.