La IA de Claude opera un robodog 20 veces más rápido

Claude Opus 4.7 completó varias tareas con un perro robot hasta 20 veces más rápido que el equipo humano más veloz, según un experimento de Anthropic. El modelo trabajó casi sin ayuda: una persona solo tuvo que conectarlo al robot, introducir la instrucción inicial y aprobar sus acciones.

El experimento forma parte de la segunda fase de Project Fetch, una prueba diseñada para medir hasta dónde puede llegar una IA con un robot cuadrúpedo comercial. El objetivo no era hacer una demostración de ciencia ficción, sino resolver tareas concretas: acceder a los sensores, escribir programas de control, detectar una pelota y mover el robot por un espacio.

De ayudar a programar a trabajar por su cuenta

En la primera fase, realizada en agosto de 2024, dos equipos de empleados de Anthropic intentaron operar el robot. Uno podía usar Claude y el otro solo contaba con internet y sus propios conocimientos. El equipo que trabajó con Claude terminó más tareas y lo hizo en menos tiempo.

En aquel momento, el modelo no podía completar el proceso por sí solo. Incluso se quedó atascado en algo tan básico como conectarse al robot. La nueva prueba buscaba comprobar si los modelos más recientes habían reducido esa brecha.

La respuesta fue afirmativa, aunque con límites claros. En cada tarea que al menos uno de los equipos humanos había completado, Opus 4.7 tardó como mínimo diez veces menos. Si se tienen en cuenta las cuatro tareas completadas por ambos equipos, el modelo fue, en promedio, más de 37 veces más rápido que el equipo sin Claude y más de 18 veces más rápido que el equipo que sí lo utilizó.

Claude identificó con rapidez cómo acceder a las cámaras y al sensor lidar, una tecnología que mide distancias mediante luz. También escribió código que funcionó correctamente desde el primer intento en muchos casos. Para conseguir resultados similares, produjo casi diez veces menos código que el equipo que trabajó con Claude.

El robot todavía no sabe buscar bien la pelota

La parte más difícil fue precisamente la que da nombre al proyecto: hacer que el robot recogiera la pelota de playa y la llevara de vuelta a su punto de partida.

Claude consiguió colocarse detrás de la pelota y empujarla en la dirección correcta. Pero no controló con suficiente precisión la fuerza y el movimiento. Cuando la pelota se desviaba, el modelo no ajustaba sus órdenes con la rapidez y delicadeza necesarias para corregir el rumbo.

Las personas son mejores en ese tipo de control continuo. Observan el error, relacionan ese resultado con la orden anterior y cambian el siguiente movimiento casi al instante. Es una habilidad básica para manejar objetos físicos, pero todavía resulta difícil para un modelo que trabaja principalmente con instrucciones y código.

Anthropic aclara que esta prueba no demuestra que la IA haya resuelto la robótica. El experimento no evaluó tareas de bajo nivel, como crear una política de movimiento específica para controlar cada motor del robot. Además, una persona con más experiencia en robótica sí logró programar el recogido autónomo de la pelota.

Qué cambia para ti

El resultado apunta a una transición importante. Hasta ahora, los modelos podían ayudar a una persona a programar un robot. Ahora empiezan a completar por sí mismos buena parte del trabajo previo, como conectar sensores, elegir un método y escribir el software necesario.

Eso puede reducir la barrera de entrada para usar robots comerciales en tareas limitadas, por ejemplo inspeccionar un espacio, seguir una ruta o detectar objetos. No significa que puedas dejar a una IA a cargo de cualquier máquina sin supervisión. En entornos físicos, un error puede causar daños, y la precisión sigue siendo un problema.

Anthropic sostiene que estas mejoras no proceden de un entrenamiento específico para robótica, sino del avance general de los modelos de lenguaje. El siguiente paso será comprobar si Claude puede mantener la misma velocidad y fiabilidad cuando tenga que controlar movimientos más delicados, diseñar sus propias herramientas o adaptarse a robots que no conoce.

El experimento sugiere que la IA empieza a entrar en una etapa de agentes físicos: sistemas capaces de usar herramientas del mundo real, no solo programas. La distancia entre escribir el código para un robot y manejarlo de forma autónoma todavía es grande, pero se está reduciendo más rápido de lo que muchos esperaban.