Pedirle a un robot que vaya a buscar un objeto parece una tarea simple, pero para hacerlo de verdad no alcanza con que vea lo que tiene enfrente. También necesita recordar qué encontró antes, dónde estaba y en qué momento lo vio. Un equipo del MIT presentó ahora un sistema de memoria espaciotemporal que intenta resolver justamente ese problema: permitir que una máquina responda preguntas en lenguaje cotidiano sobre lugares y objetos que observó mientras recorría un entorno.
La idea se parece a una versión robótica de una escena doméstica muy común. Una persona puede acordarse de que dejó unas llaves cerca de cierta mesa o de una bicicleta apoyada junto a un edificio. En cambio, muchos robots todavía trabajan con mapas que les dicen cómo moverse, pero no conservan descripciones suficientemente ricas como para contestar preguntas de ese tipo con rapidez y precisión. El nuevo sistema, llamado DAAAM, busca unir esas dos cosas: un mapa tridimensional del entorno y descripciones detalladas de lo que el robot fue viendo a lo largo del tiempo.
Según la explicación difundida por MIT y el paper enlazado por la institución, el método agrupa objetos cercanos, elige las imágenes más útiles para describirlos y organiza esa información dentro de una representación espacial y temporal. Así, en vez de registrar solo puntos o volúmenes, el robot puede asociar frases y rasgos concretos a los elementos del ambiente. Eso le permitiría contestar consultas como dónde estaba una escultura, cuántas bicicletas había en un sector o qué objeto había quedado en cierto lugar durante una exploración previa.
El interés del avance está en que no se limita a una demostración vistosa. El trabajo reporta pruebas comparativas en tareas de preguntas y respuestas sobre entornos recorridos por robots, con mejoras de entre 21 y 53 por ciento según el tipo de consulta frente a métodos anteriores. Además, los autores sostienen que el sistema puede operar lo bastante rápido como para usarse en tiempo real, un punto clave si se piensa en robots móviles que deban actuar mientras se desplazan y no solo reconstruir después lo que vieron.
Las aplicaciones posibles van más allá de una casa o un laboratorio. Un sistema así podría ser útil en depósitos, fábricas, mantenimiento industrial, asistencia a trabajadores o incluso realidad aumentada para orientación en espacios complejos. En todos esos casos, recordar no es apenas almacenar datos: es conectar lo visto con una pregunta concreta y devolver una respuesta útil cuando alguien la necesita.
De todos modos, conviene no exagerar el alcance. El paper disponible es un preprint y la nota de MIT indica que el trabajo fue presentado en CVPR, una conferencia importante del área, pero eso no convierte al sistema en una solución lista para cualquier robot y cualquier entorno. Falta ver cómo se comporta en situaciones más caóticas, con cambios constantes, errores sensoriales o tareas largas fuera de escenarios controlados. Aún así, el avance apunta a un problema real de la robótica actual: si las máquinas van a colaborar mejor con personas, no solo tendrán que mirar el mundo, sino también aprender a recordarlo de una manera más parecida a como lo hacemos nosotros.
Could AI tell you where you left your keys? · MIT News Research
ANYbotics · CC BY-SA 4.0; imagen contextual de robótica autónoma · Fuente de imagen
Gorlo, N., Schmid, L., & Carlone, L. (2025). Describe Anything Anywhere At Any Moment [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2512.00565
Relacionadas por categoría
Ver masUn método adaptativo mejora la detección de texto generado por IA en pruebas controladas
Un preprint probó un detector que se ajusta a textos recientes sin etiquetas y rindió mejor ante cambios de estilo y tácticas para eludirlo.
Una IA intenta simular arena, agua y proteínas con un mismo modelo
Un preprint presenta WorldParticle, un modelo que representa distintos materiales como partículas para predecir su movimiento. Sus pruebas son prometedoras, pero no reemplazan todavía a los simuladores especializados.
Un sistema convierte artículos científicos en asistentes reutilizables
Un método empaqueta texto, código, datos y flujos de trabajo de algunos estudios para que una IA pueda ejecutar análisis y responder consultas en lenguaje natural.
Más de la misma fuente
Ver masUn material seco podría extender el uso de ecografías portátiles sin gel
Una interfaz elástica y seca transmitió ultrasonido durante días en pruebas de laboratorio y siguió el flujo sanguíneo durante un paseo en bicicleta.
Los centros de datos pueden desplazar la contaminación del aire a otras regiones
Un modelo sobre Estados Unidos estima que la electricidad adicional de los centros de datos puede elevar la contaminación del aire lejos de sus instalaciones.
Un método adaptativo mejora la detección de texto generado por IA en pruebas controladas
Un preprint probó un detector que se ajusta a textos recientes sin etiquetas y rindió mejor ante cambios de estilo y tácticas para eludirlo.
Más del mismo autor
Ver masEl clima puede cambiar el mapa de plagas en bosques de Norteamérica
Un estudio proyecta que, si las emisiones siguen altas, más del 80% de los bosques analizados en Norteamérica podría enfrentar mayor presión de plagas y enfermedades hacia mediados de siglo.
Las suricatas pueden volver solas a su grupo tras ser desplazadas
Un experimento de campo halló que 18 de 20 suricatas desplazadas a 1,5 kilómetros regresaron de forma dirigida, sin seguir a otros miembros de su grupo.
Un material seco podría extender el uso de ecografías portátiles sin gel
Una interfaz elástica y seca transmitió ultrasonido durante días en pruebas de laboratorio y siguió el flujo sanguíneo durante un paseo en bicicleta.