En San Francisco, detrás de una puerta discreta marcada únicamente con el símbolo pi, opera Physical Intelligence, una empresa que busca transformar la forma en que los robots aprenden y se adaptan al mundo real. Al cruzar el umbral no hay recepcionistas ni grandes letreros corporativos, sino un amplio espacio de concreto y madera clara donde la experimentación es constante y el trabajo convive con la vida cotidiana.

En este entorno, brazos robóticos ensayan una y otra vez tareas simples para los humanos, pero complejas para las máquinas: doblar ropa, girar prendas o pelar verduras. Algunos han logrado avances notables, mientras otros todavía fallan en acciones básicas. Para sus fundadores, el objetivo no es la perfección inmediata, sino construir sistemas capaces de aprender de grandes volúmenes de datos. Sergey Levine, cofundador y académico de la Universidad de California en Berkeley, describe el proyecto como una especie de “ChatGPT para robots”, enfocado en crear modelos de uso general que puedan transferir conocimientos entre distintas tareas y contextos.

La empresa también cuenta con un laboratorio de pruebas diseñado para simular entornos variados y desafiantes. Incluso una sofisticada máquina de café expreso forma parte del proceso, no para consumo humano, sino como herramienta de entrenamiento para que los robots aprendan a interactuar con objetos complejos del día a día.

Aunque los brazos robóticos que utilizan tienen un costo relativamente bajo, alrededor de 3,500 dólares, el enfoque de Physical Intelligence apuesta a que una inteligencia bien entrenada puede compensar limitaciones de hardware. En este camino ha sido clave Lachy Groom, cofundador que reunió a especialistas como Levine y Chelsea Finn, investigadora destacada en robótica y aprendizaje automático.

El proyecto ha atraído una inversión superior a los mil millones de dólares, con respaldo de fondos como Khosla Ventures y Sequoia Capital. A pesar de ello, la empresa no ha definido un calendario claro para llevar sus desarrollos al mercado, una decisión que, por ahora, parece contar con la paciencia de sus inversionistas. Su apuesta se centra en el aprendizaje cruzado y en el uso de múltiples fuentes de datos para acelerar la adaptación de los robots.

El panorama, sin embargo, es competitivo. Otras compañías, como Skild AI, priorizan desde el inicio la comercialización y la generación de ingresos, lo que abre el debate sobre qué modelo será más sostenible a largo plazo: el de investigación profunda o el de implementación inmediata.

Con un equipo cercano a los 80 empleados, Physical Intelligence enfrenta retos propios del desarrollo de hardware, desde cadenas de suministro hasta estándares de seguridad. Mientras los robots continúan ensayando sus movimientos, también surgen preguntas sobre el impacto real de la automatización en la vida diaria.

Pese a las dudas, Groom se muestra confiado. Respaldado por la experiencia acumulada de su equipo y por el momento de auge que vive la inteligencia artificial, sostiene que el avance hacia una robótica más general y adaptable apenas comienza, y que el interés por esta tecnología seguirá creciendo en los próximos años.