Durante años, la inteligencia artificial ha demostrado su superioridad en entornos donde todo está controlado: tableros, reglas claras y decisiones calculadas. Pero el mundo real es otra historia. Ahí entran en juego factores impredecibles como el movimiento, el equilibrio y la reacción en tiempo real. Ahora, un nuevo avance intenta cerrar esa brecha llevando a las máquinas a un terreno donde cada milisegundo cuenta.

Del dominio digital al desafío físico: un cambio mucho más complejo

El progreso de la inteligencia artificial ha estado marcado por hitos muy concretos. Uno de los más recordados ocurrió cuando una máquina logró superar a un campeón mundial de ajedrez, demostrando que podía tomar decisiones estratégicas al más alto nivel. A partir de ahí, los sistemas evolucionaron hasta dominar juegos aún más complejos, como el Go o incluso títulos de estrategia en tiempo real.

Sin embargo, todos estos logros compartían un mismo entorno: el digital. Allí, las variables son limitadas y las reglas no cambian. El salto al mundo físico implica enfrentarse a un escenario completamente distinto, donde cada acción requiere coordinación, equilibrio y adaptación constante.

En ese contexto aparece un nuevo desarrollo impulsado por investigadores de universidades chinas, que han logrado que un robot humanoide dé sus primeros pasos en un deporte tan exigente como el tenis. El proyecto, conocido como LATENT, busca aplicar técnicas de aprendizaje automático en un entorno donde los errores no solo son posibles, sino inevitables.

El desafío no es menor. A diferencia de un tablero, aquí la pelota se mueve a gran velocidad, las trayectorias cambian en cada golpe y la respuesta debe ser prácticamente instantánea. Este tipo de condiciones convierte al tenis en una prueba especialmente exigente para cualquier sistema automatizado.

Aprender sin perfección: el método que cambia las reglas del entrenamiento

Uno de los aspectos más interesantes de este avance es la forma en que el robot aprende. En lugar de depender de enormes cantidades de datos precisos, el sistema se entrena con información imperfecta basada en movimientos humanos.

Este enfoque rompe con la idea tradicional de que la inteligencia artificial necesita datos perfectos para funcionar correctamente. Aquí, el robot parte de habilidades básicas, como golpear de derecha o moverse lateralmente, y a partir de ahí construye su propio estilo combinando esos movimientos.

El proceso de aprendizaje se simplifica aún más con un entorno controlado. Durante las primeras fases, el entrenamiento se realizó en una cancha mucho más pequeña que una real, lo que permitió reducir la complejidad y facilitar la adquisición de habilidades iniciales.

A medida que el sistema evoluciona, comienza a corregir sus propios errores. Ajusta la posición del cuerpo, el equilibrio y el ángulo de golpeo en tiempo real, lo que le permite mejorar progresivamente su rendimiento.

Este tipo de aprendizaje, basado en prueba y error, es clave en los avances recientes de la inteligencia artificial. Para evitar comportamientos poco naturales, los investigadores limitaron las acciones del robot a patrones similares a los humanos, utilizando esos movimientos como referencia.

El resultado es un sistema que no copia exactamente lo que hace una persona, sino que desarrolla una forma propia de interactuar con el entorno.

De la simulación a la cancha: lo que ya pueden hacer estos robots

El sistema fue implementado en un robot humanoide que, aunque aún está lejos del nivel profesional, ya ha demostrado capacidades llamativas. En pruebas reales, logró devolver pelotas a velocidades superiores a los 15 metros por segundo y mantener intercambios básicos con jugadores humanos.

Equipado con una estructura diseñada para imitar el movimiento humano y una raqueta adaptada, el robot es capaz de desplazarse, posicionarse y responder a diferentes trayectorias. Todo esto ocurre en tiempo real, lo que marca una diferencia importante respecto a sistemas más limitados.

Aun así, los propios investigadores reconocen que este avance está lejos de competir con atletas profesionales. El objetivo no es reemplazar a los jugadores, sino demostrar que las técnicas utilizadas en entornos virtuales pueden trasladarse al mundo físico.

Las implicaciones van más allá del deporte. Este tipo de desarrollo podría aplicarse en áreas como la rehabilitación, el entrenamiento físico o incluso tareas industriales que requieren coordinación y precisión.

El tenis, en este caso, funciona como un laboratorio exigente donde poner a prueba estas capacidades. Y aunque el camino por recorrer es largo, el resultado deja claro que las máquinas ya no solo piensan: empiezan también a moverse, adaptarse y aprender en escenarios reales.

Carolina Couselo

Carolina Couselo cubre cine, series y anime en Oasis Nerd. Cinéfila apasionada, sus reseñas se destacan por una mirada crítica que va más allá de los títulos obvios — siempre en busca de esa película o serie que todavía no encontró su audiencia. Si hay un underdog en las pantallas, Carolina probablemente ya lo vio.