Tiempo de lectura:
±8 minutos
Para escuchar mientras lees:
Hay una silla en mitad del pasillo. Para un modelo de lenguaje puede ser una palabra, una definición, una fotografía o el comienzo bastante perezoso de un cuento. Para un robot con ruedas, en cambio, la silla ocupa espacio, proyecta sombras sobre sus sensores y obliga a tomar una decisión. Puede rodearla, detenerse, intentar moverla o concluir que alguien la ha colocado allí por una razón. La última opción es la complicada.
La diferencia ayuda a entender qué estudia la cognición robótica. Una máquina verdaderamente útil fuera de una fábrica cerrada necesita relacionar lo que percibe con su cuerpo, sus posibilidades de movimiento y las consecuencias de actuar. La inteligencia deja entonces de ser una respuesta correcta en una pantalla. Se convierte en el problema físico de atravesar un pasillo sin golpear una mesa, asustar a una persona o retirar una silla que debía permanecer exactamente donde estaba.
El cuerpo complica la inteligencia
La inteligencia artificial nos ha acostumbrado a separar con demasiada alegría el pensamiento del mundo. Introducimos texto, imágenes o datos y recibimos una salida. El robot no disfruta de esa limpieza. Una cámara puede confundir un reflejo con un objeto; una articulación tiene holguras; el suelo resbala; alguien cambia de dirección; una caja pesa más de lo previsto. Cada decisión termina en motores, ruedas, pinzas y consecuencias.
Giulio Sandini, Alessandra Sciutti y Pietro Morasso defienden por eso una distinción útil entre inteligencia artificial y cognición artificial. La segunda exige integrar cerebro, cuerpo y entorno, además de aprender mediante la interacción. No basta con instalar un modelo poderoso dentro de una carcasa humanoide y esperar que aparezca el sentido común. El cuerpo no es el embalaje de la inteligencia, sino una parte del problema que esa inteligencia intenta resolver.
La robótica cognitiva reúne capacidades que solemos mencionar como si formaran un paquete único: percepción, atención, memoria, aprendizaje, razonamiento, selección de acciones y anticipación. En la práctica están muy desigualmente desarrolladas. Un robot puede reconocer una taza con bastante precisión y seguir siendo torpe al decidir si debe recogerla, si alguien todavía la está usando o si el líquido caliente convierte esa acción rutinaria en una mala idea.
Plataformas como iCub, el humanoide infantil desarrollado en el Instituto Italiano de Tecnología, existen precisamente para estudiar cómo esas capacidades pueden integrarse en un cuerpo. La apariencia del robot atrae cámaras y titulares, pero lo interesante sucede en lugares menos fotogénicos: la coordinación entre visión y movimiento, la construcción de un modelo corporal, el aprendizaje a partir de errores y la interpretación de las acciones ajenas. La inteligencia robótica avanza en esos ajustes, no en el momento teatral en que una máquina parece mirarnos a los ojos.
La parte alta de la pirámide
Una revisión sistemática publicada en febrero de 2026 analizó cuarenta estudios sobre robótica cognitiva y colaboración entre humanos y robots. La percepción aparecía en treinta y cinco; la atención y el aprendizaje, en treinta y uno; la selección de acciones, en treinta. La metacognición, la capacidad de vigilar y evaluar los propios procesos, solo estaba presente en dos. La anticipación aparecía en siete. El dibujo resultante se parece a una pirámide con una base bastante ancha y una cima todavía ocupada por andamios.
Aquí conviene desconfiar de la palabra «duda», porque invita a imaginar un robot angustiado ante sus decisiones. La metacognición robótica actual es mucho más sobria. Consiste en estimar la fiabilidad de una percepción, comparar el resultado esperado con el obtenido, detectar que una estrategia está fallando o reconocer que faltan datos. No hay inquietud existencial. Hay un cálculo de segundo orden: además de escoger una acción, el sistema valora cuánto debería fiarse de esa elección.
Esa diferencia no le resta interés. Los algoritmos de percepción introspectiva desarrollados para robots móviles intentan predecir cuándo sus propios sistemas visuales están ofreciendo estimaciones poco fiables. Aprovechan redundancias y coherencias entre sensores para construir modelos de error ajustados al entorno real, donde las condiciones perfectas acostumbran a durar lo que tarda alguien en encender una luz o cruzar delante de la cámara. Un robot que detecta la fragilidad de su percepción puede reducir la velocidad, buscar otra perspectiva o evitar una maniobra arriesgada.
El proyecto europeo METATOOL lleva esta idea hacia un terreno más ambicioso: la invención de herramientas. Sus investigadores trabajan con modelos capaces de supervisar la incertidumbre y utilizarla para elegir, descubrir o combinar utensilios. El objetivo no es fabricar una conciencia artificial, aunque el vocabulario promocional a veces se acerque peligrosamente a ese precipicio. Buscan que el robot evalúe su desempeño, reutilice lo aprendido y cambie de estrategia cuando una herramienta no basta. Los resultados comunicados hasta ahora siguen siendo preliminares y de baja dimensionalidad, una precisión importante cuando la demostración incluye un robot, una fruta fuera de alcance y una herramienta creada para recuperarla.
Un trabajo presentado en 2025 propone usar la confianza como medida metacognitiva durante la invención de herramientas. El robot no se limita a calcular qué solución parece mejor; incorpora una estimación sobre la fiabilidad de esa decisión. Es un paso pequeño y bastante sensato: antes de pedir máquinas creativas, quizá convenga enseñarles a reconocer cuándo su creatividad está improvisando sobre terreno blando. El estudio, de momento, continúa en revisión, de modo que funciona mejor como dirección de trabajo que como prueba definitiva.
Dudar delante de otra persona
Detectar incertidumbre internamente resuelve solo la mitad del problema. La otra mitad consiste en hacerla visible. Una persona que trabaja junto a un robot necesita saber si este ha comprendido una orden, qué movimiento iniciará y cuándo sus sensores han dejado de ser fiables. Una luz, una pausa, un cambio de velocidad o una frase sencilla pueden resultar más útiles que una explicación interminable del algoritmo.
La misma revisión de 2026 muestra el desequilibrio. Treinta y nueve de los cuarenta estudios incorporaban al menos tres capacidades cognitivas básicas, pero solo ocho reunían más de una capacidad sociocognitiva. La lectura de intenciones y la comunicación aparecían en trece trabajos; el reconocimiento entre uno mismo y los demás, en seis; la atención conjunta, en dos. Hemos dedicado mucho esfuerzo a que el robot vea y calcule. Bastante menos a que resulte legible para quien comparte mesa, fábrica, hospital o vivienda con él.
Esa legibilidad afecta a la confianza. Una máquina infalible solo existe en las presentaciones comerciales, junto a las oficinas sin cables y las familias que sonríen mientras configuran el wifi. En el uso real importa calibrar la confianza: evitar tanto el rechazo automático como la obediencia excesiva. Cuando un robot reconoce un fallo, expresa incertidumbre o explica por qué solicita ayuda, la persona puede decidir mejor cuándo intervenir. El objetivo no debería ser que confiemos más, sino que confiemos aproximadamente lo que la máquina merece.
También está en juego la autonomía humana. Una silla de ruedas inteligente incluida en la revisión redujo de unos 124 a 72 segundos el tiempo de navegación de usuarios con menores capacidades cognitivas. El logro técnico era ayudar sin convertir a la persona en pasajera de su propia silla. Esa frontera es más delicada que cualquier récord de velocidad. Un sistema puede completar una tarea con eficacia y, al mismo tiempo, disminuir la sensación de control de quien lo utiliza.
La automatización introduce además un peligro conocido: aceptar la decisión de la máquina aunque existan señales contradictorias. La revisión reclama medir mejor la carga mental, la satisfacción, el bienestar, la confianza y la sensación de agencia. Muchos trabajos describen mejoras técnicas, pero no comprueban con el mismo cuidado qué ocurre en la persona situada al lado. El robot puede haber optimizado la trayectoria y empeorado la experiencia. Las hojas de cálculo no siempre se enteran.
El robot que sabe apartarse
La duda útil no consiste en que el robot represente inseguridad con ojos tristes. Consiste en que modifique su conducta cuando la evidencia es insuficiente. Puede detener el brazo, pedir confirmación, ceder el control, observar desde otro ángulo o reconocer que una instrucción contradice lo que percibe. A veces la respuesta más inteligente será no hacer nada durante unos segundos.
Eso obliga a revisar nuestra idea de progreso. Solemos celebrar que una máquina haga más tareas, con mayor autonomía y menos intervención. Sin embargo, un robot seguro y cooperativo quizá deba aprender también a interrumpirse, explicar sus límites y aceptar que la persona sabe algo que sus sensores no han captado. La autonomía absoluta resulta vistosa en un vídeo. La autonomía negociada probablemente sea más útil en un pasillo concurrido.
Todavía estamos lejos de robots con comprensión general, conciencia o sentido común comparable al humano. Sí existen sistemas que estiman incertidumbre, supervisan errores y adaptan ciertas decisiones. Llamarlo duda puede ser una metáfora razonable mientras recordemos dónde termina la metáfora. Ningún robot está pasando la noche preocupado por aquella taza que dejó caer.
La silla continúa en mitad del pasillo. Un robot rápido calcula una ruta y la esquiva. Uno algo más sofisticado intenta moverla. El realmente interesante detecta que no entiende la escena, busca a la persona que está cerca y espera una indicación antes de tocarla. Quizá la primera señal de una inteligencia robótica madura no sea una máquina capaz de hacerlo todo, sino una que sepa cuándo apartarse.
