{"article":{"annotation":{"article_id":"ntt-robot-physical-ai-shelf-loading-test-2026-11-11","available_at":"2026-11-12T03:09:10.045741Z","geography_revision":"ef6ee0010dda5fe7b240fd514749b43e214c57da73222d2e40ec83b276dd0977","id":"8bc3ed3d9bf8b87830f66d0dce96e374aa4cdc257c45085d5a46b5d7796108f4","input_sha256":"24fe7ac16cab4084cc6dce84fd8052f616a88334fe0be9c8848b05910dbcd197","limitations":["Rule-derived subjects are candidates, not verified editorial labels or calibrated model probabilities.","Coverage is distinct from event location. Unknown country/city/coordinates remain absent; no automatic geocoding.","Article geometries keep their stated precision and methodology; reproducing them is not independent coordinate verification."],"method":"controlled-rules-v1","places":[],"rules_sha256":"fb5ad3c27c91cb840f7a0a05f7f64a5cb26ad0374409ff9457f277c7092e22b4","schema_version":1,"subjects":[{"concept_id":"medtop:13000000","confidence":null,"confidence_method":null,"evidence":[{"field":"category+topics","language":"en","note":"Preserved editorial category/topic; broad candidate only","source_urls":["https://group.ntt/en/newsrelease/2026/11/11/261111b.html","https://openaccess.thecvf.com/content/ICCV2025/papers/Song_OCK_Unsupervised_Dynamic_Video_Prediction_with_Object-Centric_Kinematics_ICCV_2025_paper.pdf","https://openaccess.thecvf.com/content/ICCV2025/supplemental/Song_OCK_Unsupervised_Dynamic_ICCV_2025_supplemental.pdf"]}],"method":"controlled-rules-v1","rule_id":"technology-broad","status":"candidate"}],"taxonomy_revision":"1f2db31d811fca07e99b16d402c10e2cc2965c9df1c7b41d9be348b40a24e7fb","taxonomy_version":"IPTC Media Topics 2026-Q2"},"api_url":"https://newsverum.com/api/v1/articles/ntt-robot-physical-ai-shelf-loading-test-2026-11-11?lang=es","category":"technology","content":{"key_points":[],"paragraphs":["El 11 de noviembre, NTT afirmó que un modelo del mundo basado en la física elevó del 73,1 % al 92,3 % la tasa de éxito de una tarea de carga en estanterías realizada por un robot pequeño. La tarea simulaba el apilamiento de objetos y, según la empresa, comparó el uso de la tecnología con su ausencia. NTT también informó de una puntuación LPIPS inferior a la de dos sistemas de referencia en la prueba de vídeo OBJ3D. El primer uso previsto es la manipulación de equipaje en aeropuertos, pero las pruebas de campo con la empresa de robótica Mujin todavía están pendientes. El comunicado no anuncia un despliegue comercial.","El sistema está diseñado para examinar posibles acciones antes de que el robot se mueva. NTT dice que el modelo estima a partir del vídeo la posición, orientación, velocidad y masa de los objetos, y luego aplica ecuaciones de movimiento para prever cómo podrían desplazarse o interactuar. Un adaptador de control físico desarrollado por la empresa conecta esos cálculos con un modelo de generación de vídeo. Para cada acción propuesta por el software de control existente, el sistema genera una posible escena futura y evalúa resultados como una colisión, la caída de un objeto o el derrumbe de una pila. Complementa un controlador existente y no demuestra que los robots puedan operar sin supervisión y con seguridad.","El resultado de carga en estanterías es llamativo, pero el aumento absoluto informa más que una afirmación general de que el robot trabaja mejor. La tasa de éxito comunicada subió 19,2 puntos porcentuales, calculados como 92,3 menos 73,1. Frente a la tasa inicial, el aumento relativo es de aproximadamente el 26,3 %, calculado como 19,2 dividido por 73,1. Ambos cálculos usan los valores redondeados de NTT. La empresa no indica cuántas pruebas realizó, cómo definió el éxito, si variaron los objetos o las condiciones de partida, ni cuánto variaron los resultados entre repeticiones. El comunicado tampoco aporta intervalos de incertidumbre.","La Tabla 1 de NTT ofrece más detalles de otra prueba predictiva. Muestra una puntuación LPIPS multiplicada por 100 de 7,81 para el modelo de NTT, 7,92 para OCK, un modelo académico, y 21,90 para NVIDIA Cosmos Predict 2.5, un modelo comercial de generación de vídeo. En LPIPS, un valor menor es mejor. El valor de NTT es 0,11 inferior al de OCK, o aproximadamente un 1,4 % respecto de 7,92. Ese cálculo describe solo las cifras mostradas. El comunicado no publica intervalos estadísticos ni una comparación de protocolos que demuestre si la pequeña diferencia se mantiene en otras condiciones.","La prueba de referencia necesita contexto. Un artículo de ICCV de 2025 de Yeon-Ji Song y coautores describe OBJ3D como un conjunto sintético de objetos rígidos en escenas grises neutras, con 2.920 secuencias de entrenamiento y 200 de prueba. Se diseñó para estudiar la geometría de objetos e interacciones como las colisiones. NTT afirma haber evaluado su modelo en la prueba pública OBJ3D, pero no dice si usó la misma división de datos, protocolo de prueba o configuración de entrenamiento que el artículo OCK. Por tanto, el resultado mide predicción de vídeo en una prueba controlada, no la manipulación de equipaje en un aeropuerto real.","La diferencia técnica que NTT destaca es la representación explícita del estado físico. Un modelo de vídeo puede producir imágenes plausibles y, aun así, omitir las fuerzas o el movimiento que harían volcar una carga. NTT afirma que su adaptador representa la masa y el movimiento y utiliza ecuaciones de movimiento para generar futuros posibles. Ese enfoque podría ayudar a un robot a descartar un plan arriesgado antes de ejecutarlo, sobre todo cuando cada caja o maleta es distinta. El comunicado no da una cifra de latencia, configuración de hardware, memoria necesaria ni pruebas de seguridad, por lo que no demuestra que los cálculos sean suficientemente rápidos y fiables en un almacén activo.","NTT presenta la manipulación de equipaje y paquetes como una aplicación prevista y dice que planea pruebas de campo con Mujin. También indica que la tecnología se exhibirá en el Foro de I+D de NTT de 2026. Son planes de desarrollo, no evidencia de que operadores aeroportuarios hayan elegido o instalado el sistema o medido ahorros de mano de obra. El comunicado no nombra clientes ni aporta presupuesto, fecha de instalación, objetivo de productividad, tasa de fallos en operaciones reales o precio. Pasar de una tarea simulada de apilamiento a equipaje diverso en una cinta o zona de carga requiere pruebas con cambios de luz, oclusiones, movimiento de transportadores y presencia de personas.","El anuncio se entiende mejor como un avance de investigación con un resultado concreto, pero limitado. La tarea robótica sugiere un posible uso operativo, mientras que OBJ3D ofrece una comprobación independiente de la calidad de vídeo predicho. Ninguno de los dos resultados demuestra por sí solo una fiabilidad general en logística, fabricación o comercio minorista, sectores que NTT menciona como posibles áreas de expansión. Antes del despliegue, los responsables necesitarían pruebas repetidas, una definición transparente del éxito, controles de seguridad, mediciones con objetos no vistos y una comparación del sistema completo con las alternativas actuales. NTT ha descrito la ruta hacia esas pruebas, no sus resultados."],"sections":[]},"corrections":[],"country":null,"data":{"blocks":[{"description":{"ar":"المعدلات التي أبلغت عنها NTT لمهمة تكديس محاكاة بروبوت صغير.","de":"Von NTT gemeldete Quoten für den simulierten Stapeltest mit einem kleinen Roboter.","en":"Rates NTT reports for its simulated stacking task with a small robot.","es":"Tasas informadas por NTT para su tarea simulada de apilamiento con un robot pequeño.","fr":"Taux rapportés par NTT pour sa tâche simulée d’empilement avec un petit robot.","pt":"Taxas informadas pela NTT para sua tarefa simulada de empilhamento com um robô pequeno.","tr":"NTT’nin küçük robotla yürüttüğü simüle istif görevinde bildirdiği oranlar."},"id":"shelf-loading-task-success-rate","items":[{"basis":"observed","label":{"ar":"معدل نجاح تحميل الرف بالروبوت الصغير دون تقنية NTT","de":"Erfolgsquote beim Regalstapeln ohne NTT-Technologie","en":"Small-robot shelf-loading success rate without NTT technology","es":"Tasa de éxito de carga en estantería sin tecnología NTT","fr":"Taux de réussite du chargement d’étagère sans la technologie NTT","pt":"Taxa de sucesso no carregamento da prateleira sem a tecnologia da NTT","tr":"NTT teknolojisi olmadan küçük robotlu raf yükleme başarı oranı"},"measure":{"aggregation":"rate","frequency":"irregular","geography":"world","id":"ntt-shelf-loading-success-rate-without","periodRole":"announcement-date","unitCode":"percent"},"period":"2026-11-11","unit":"percent","value":73.1,"valueQualifier":"exact"},{"basis":"observed","label":{"ar":"معدل نجاح تحميل الرف بالروبوت الصغير باستخدام تقنية NTT","de":"Erfolgsquote beim Regalstapeln mit NTT-Technologie","en":"Small-robot shelf-loading success rate with NTT technology","es":"Tasa de éxito de carga en estantería con tecnología NTT","fr":"Taux de réussite du chargement d’étagère avec la technologie NTT","pt":"Taxa de sucesso no carregamento da prateleira com a tecnologia da NTT","tr":"NTT teknolojisiyle küçük robotlu raf yükleme başarı oranı"},"measure":{"aggregation":"rate","frequency":"irregular","geography":"world","id":"ntt-shelf-loading-success-rate-with","periodRole":"announcement-date","unitCode":"percent"},"period":"2026-11-11","unit":"percent","value":92.3,"valueQualifier":"exact"}],"methodology":{"ar":"تورد NTT معدلي نجاح المهمة دون التقنية وباستخدامها، ولا تكشف عدد التجارب أو معيار النجاح أو التباين. 92.3 ناقص 73.1 يساوي 19.2 نقطة مئوية. وقسمة 19.2 على 73.1 تعطي زيادة نسبية تقارب 26.3 في المئة. تعتمد الحسابات على قيم الشركة المقربة وليست قياسات منفصلة.","de":"NTT meldet Erfolgsquoten mit und ohne Technologie, nennt aber weder Versuchszahl noch Erfolgskriterium oder Streuung. 92,3 minus 73,1 ergibt 19,2 Prozentpunkte. 19,2 geteilt durch 73,1 entspricht einem relativen Anstieg von rund 26,3 Prozent. Die Berechnungen beruhen auf gerundeten Unternehmensangaben und sind keine zusätzlichen Messungen.","en":"NTT reports task success rates without and with its technology; it does not disclose the number of trials, success criterion or variability. 92.3 minus 73.1 equals 19.2 percentage points. 19.2 divided by 73.1 is about a 26.3 percent relative increase. These calculations use rounded company values and are not separate measurements.","es":"NTT informa las tasas de éxito con y sin su tecnología, pero no publica el número de pruebas, el criterio de éxito ni la variabilidad. 92,3 menos 73,1 son 19,2 puntos porcentuales. 19,2 dividido por 73,1 equivale a un aumento relativo aproximado del 26,3 %. Los cálculos usan valores redondeados de la empresa y no son mediciones independientes.","fr":"NTT rapporte les taux de réussite avec et sans sa technologie, sans publier le nombre d’essais, le critère de succès ni la variabilité. 92,3 moins 73,1 donne 19,2 points de pourcentage. 19,2 divisé par 73,1 correspond à une hausse relative d’environ 26,3 %. Ces calculs utilisent des valeurs arrondies de l’entreprise et ne sont pas des mesures distinctes.","pt":"A NTT informa as taxas de sucesso com e sem sua tecnologia, mas não divulga o número de testes, o critério de sucesso nem a variabilidade. 92,3 menos 73,1 são 19,2 pontos percentuais. 19,2 dividido por 73,1 equivale a um aumento relativo aproximado de 26,3%. Os cálculos usam valores arredondados da empresa e não são medições separadas.","tr":"NTT, görev başarısı oranını teknoloji olmadan ve teknolojiyle bildirdi; deneme sayısı, başarı ölçütü ve değişkenlik açıklanmadı. 92,3 eksi 73,1 eşittir 19,2 yüzde puan. 19,2 bölü 73,1 yaklaşık yüzde 26,3 göreli artış verir. Bu hesaplar yuvarlanmış şirket değerlerine dayanır ve ayrı ölçüm değildir."},"sourceUrls":["https://group.ntt/en/newsrelease/2026/11/11/261111b.html"],"title":{"ar":"معدلات نجاح محاكاة تحميل الرف","de":"Erfolgsquoten der Regalladesimulation","en":"Shelf-loading simulation success rates","es":"Tasas de éxito de la simulación de carga en estantería","fr":"Taux de réussite de la simulation de chargement d’étagère","pt":"Taxas de sucesso da simulação de carregamento em prateleira","tr":"Raf yükleme simülasyonu başarı oranları"},"type":"metrics","updatedAt":"2026-11-12T06:05:54+03:00"},{"columns":[{"key":"model_name","label":{"ar":"النموذج","de":"Modell","en":"Model","es":"Modelo","fr":"Modèle","pt":"Modelo","tr":"Model adı"},"language":"en","type":"text"},{"key":"model_class","label":{"ar":"نوع النموذج","de":"Modelltyp","en":"Model type","es":"Tipo de modelo","fr":"Type de modèle","pt":"Tipo de modelo","tr":"Model türü"},"language":"en","type":"text"},{"key":"reported_score","label":{"ar":"درجة LPIPS المعلنة مضروبة في 100","de":"Gemeldeter LPIPS-x100-Wert","en":"Reported LPIPS x100 score","es":"Puntuación LPIPS x100 publicada","fr":"Score LPIPS x100 publié","pt":"Pontuação LPIPS x100 informada","tr":"Bildirilen LPIPS x100 skoru"},"language":"en","type":"text"}],"description":{"ar":"درجات النماذج الواردة في جدول NTT. والقيمة الأقل في LPIPS أفضل.","de":"Modellwerte aus der von NTT veröffentlichten Tabelle. Ein niedrigerer LPIPS-Wert ist besser.","en":"Model scores shown in NTT’s published table. Lower LPIPS is better.","es":"Puntuaciones de modelos incluidas en la tabla de NTT. Un LPIPS menor es mejor.","fr":"Scores des modèles présentés dans le tableau publié par NTT. Un LPIPS plus faible est préférable.","pt":"Pontuações dos modelos na tabela publicada pela NTT. Valores menores de LPIPS são melhores.","tr":"NTT’nin yayımladığı tabloda gösterilen model skorları. LPIPS’te düşük değer daha iyidir."},"id":"obj3d-video-benchmark-lpips","methodology":{"ar":"يعرض جدول NTT قيم LPIPS مضروبة في 100، والدرجة الأقل أفضل. وتحفظ خلايا الدرجات القيم المنشورة 7.81 و7.92 و21.90 مع بيان المقياس. ولا يقدم البيان فترات عدم يقين أو مقارنة مباشرة بين بروتوكولي NTT وOCK.","de":"NTTs Tabelle 1 multipliziert LPIPS mit 100; niedrigere Werte sind besser. Die Zellen bewahren die veröffentlichten Werte 7,81, 7,92 und 21,90 samt Skalenangabe. Die Mitteilung enthält weder Unsicherheitsintervalle noch einen direkten Protokollvergleich zwischen NTT und OCK.","en":"NTT’s Table 1 reports LPIPS multiplied by 100, with lower scores better. Score cells preserve the published values 7.81, 7.92 and 21.90 with the scale label. The release gives no uncertainty intervals or direct protocol comparison between NTT and OCK.","es":"La Tabla 1 de NTT multiplica LPIPS por 100 y un valor menor es mejor. Las celdas conservan las cifras publicadas 7,81, 7,92 y 21,90 con la escala indicada. El comunicado no ofrece intervalos de incertidumbre ni una comparación directa de los protocolos de NTT y OCK.","fr":"Le tableau 1 de NTT multiplie le LPIPS par 100, un score plus faible étant préférable. Les cellules conservent les valeurs publiées 7,81, 7,92 et 21,90 avec l’échelle indiquée. Le communiqué ne donne ni intervalle d’incertitude ni comparaison directe des protocoles NTT et OCK.","pt":"A Tabela 1 da NTT multiplica o LPIPS por 100, e valores menores são melhores. As células preservam os valores publicados 7,81, 7,92 e 21,90 com a escala indicada. O comunicado não fornece intervalos de incerteza nem comparação direta entre os protocolos da NTT e do OCK.","tr":"NTT’nin Tablo 1’i LPIPS değerlerini 100 ile çarpılmış biçimde verir ve düşük skor daha iyidir. Skor hücreleri yayımlanan 7,81, 7,92 ve 21,90 değerlerini birim açıklamasıyla aynen korur. Duyuru belirsizlik aralığı veya NTT ile OCK protokollerinin doğrudan karşılaştırmasını vermiyor."},"rowTranslations":[{"model_class":{"ar":"نموذج الشركة","de":"Unternehmensmodell","en":"Company model","es":"Modelo de la empresa","fr":"Modèle de l’entreprise","pt":"Modelo da empresa","tr":"Şirket modeli"},"model_name":{"ar":"نموذج NTT للعالم","de":"NTT-Weltmodell","en":"NTT world model","es":"modelo del mundo de NTT","fr":"modèle du monde de NTT","pt":"modelo de mundo da NTT","tr":"NTT dünya modeli"}},{"model_class":{"ar":"نموذج أكاديمي استشهدت به NTT","de":"Von NTT zitierter akademischer Ansatz","en":"Academic model cited by NTT","es":"Modelo académico citado por NTT","fr":"Modèle académique cité par NTT","pt":"Modelo acadêmico citado pela NTT","tr":"NTT’nin atıf yaptığı akademik model"},"model_name":{"ar":"OCK","de":"OCK","en":"OCK","es":"OCK","fr":"OCK","pt":"OCK","tr":"OCK"}},{"model_class":{"ar":"نموذج تجاري لتوليد الفيديو","de":"Kommerzielles Videogenerierungsmodell","en":"Commercial video generation model","es":"Modelo comercial de generación de vídeo","fr":"Modèle commercial de génération vidéo","pt":"Modelo comercial de geração de vídeo","tr":"Ticari video üretim modeli"},"model_name":{"ar":"NVIDIA Cosmos Predict 2.5","de":"NVIDIA Cosmos Predict 2.5","en":"NVIDIA Cosmos Predict 2.5","es":"NVIDIA Cosmos Predict 2.5","fr":"NVIDIA Cosmos Predict 2.5","pt":"NVIDIA Cosmos Predict 2.5","tr":"NVIDIA Cosmos Predict 2.5"}}],"rows":[{"model_class":"Company model","model_name":"NTT world model","reported_score":"7.81 LPIPS x100"},{"model_class":"Academic model cited by NTT","model_name":"OCK","reported_score":"7.92 LPIPS x100"},{"model_class":"Commercial video generation model","model_name":"NVIDIA Cosmos Predict 2.5","reported_score":"21.90 LPIPS x100"}],"sourceUrls":["https://group.ntt/en/newsrelease/2026/11/11/261111b.html","https://openaccess.thecvf.com/content/ICCV2025/papers/Song_OCK_Unsupervised_Dynamic_Video_Prediction_with_Object-Centric_Kinematics_ICCV_2025_paper.pdf"],"title":{"ar":"مقارنة LPIPS على اختبار الفيديو OBJ3D","de":"LPIPS-Vergleich im OBJ3D-Videobenchmark","en":"OBJ3D video benchmark LPIPS comparison","es":"Comparación LPIPS en el benchmark de vídeo OBJ3D","fr":"Comparaison LPIPS sur le benchmark vidéo OBJ3D","pt":"Comparação LPIPS no benchmark de vídeo OBJ3D","tr":"OBJ3D video benchmark LPIPS karşılaştırması"},"type":"table","updatedAt":"2026-11-12T06:05:54+03:00"}],"version":1},"data_downloads":[{"formats":{"csv":"https://newsverum.com/api/v1/articles/ntt-robot-physical-ai-shelf-loading-test-2026-11-11/data/shelf-loading-task-success-rate?lang=es&format=csv","json":"https://newsverum.com/api/v1/articles/ntt-robot-physical-ai-shelf-loading-test-2026-11-11/data/shelf-loading-task-success-rate?lang=es&format=json"},"id":"shelf-loading-task-success-rate"},{"formats":{"csv":"https://newsverum.com/api/v1/articles/ntt-robot-physical-ai-shelf-loading-test-2026-11-11/data/obj3d-video-benchmark-lpips?lang=es&format=csv","json":"https://newsverum.com/api/v1/articles/ntt-robot-physical-ai-shelf-loading-test-2026-11-11/data/obj3d-video-benchmark-lpips?lang=es&format=json"},"id":"obj3d-video-benchmark-lpips"}],"data_types":["metrics","table"],"editorial_illustration":{"alt":"Ilustración conceptual de tecnología, procesadores e información conectada.","asset_id":"newsverum-v1-technology","avif_variants":[{"height":320,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-480.avif","width":480},{"height":480,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-720.avif","width":720},{"height":640,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-960.avif","width":960},{"height":800,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-1200.avif","width":1200},{"height":1024,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-1536.avif","width":1536}],"caption":null,"credit":"Newsverum","documentary":false,"height":1024,"kind":"symbolic-editorial-illustration","language":"es","scope":"topic","url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-1536.webp","variants":[{"height":320,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-480.webp","width":480},{"height":640,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-960.webp","width":960},{"height":1024,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-1536.webp","width":1536}],"width":1536},"event_id":"event-422c5316-ef7a-5c6d-af93-a203aa3e8195","event_period":"2026-11-11","event_period_basis":"event-or-reference-period","id":"ntt-robot-physical-ai-shelf-loading-test-2026-11-11","image":null,"importance":0.6,"language":"es","modified_at":"2026-11-12T03:09:09+00:00","publication_basis":"publication-record","published_at":"2026-11-12T03:09:09+00:00","reading_minutes":5,"region":"world","relations":[],"section_illustration":{"alt":"Ilustración conceptual de tecnología, procesadores e información conectada.","asset_id":"newsverum-v1-technology","avif_variants":[{"height":320,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-480.avif","width":480},{"height":480,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-720.avif","width":720},{"height":640,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-960.avif","width":960},{"height":800,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-1200.avif","width":1200},{"height":1024,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-1536.avif","width":1536}],"caption":null,"credit":"Newsverum","documentary":false,"height":1024,"kind":"symbolic-editorial-illustration","language":"es","scope":"section","url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-1536.webp","variants":[{"height":320,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-480.webp","width":480},{"height":640,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-960.webp","width":960},{"height":1024,"url":"https://newsverum.com/assets/newsverum/illustrations/v1/technology-1536.webp","width":1536}],"width":1536},"slug":"ntt-robot-physical-ai-shelf-loading-test-2026-11-11","sources":[{"checkedAt":"2026-11-12","name":"NTT, NTT Develops Physical AI Technology That Predicts the Future Before Robots Move to Prevent Failures","publishedAt":"2026-11-11","url":"https://group.ntt/en/newsrelease/2026/11/11/261111b.html"},{"checkedAt":"2026-11-12","name":"Computer Vision Foundation, OCK: Unsupervised Dynamic Video Prediction with Object-Centric Kinematics, ICCV 2025 paper","url":"https://openaccess.thecvf.com/content/ICCV2025/papers/Song_OCK_Unsupervised_Dynamic_Video_Prediction_with_Object-Centric_Kinematics_ICCV_2025_paper.pdf"},{"checkedAt":"2026-11-12","name":"Computer Vision Foundation, OCK supplementary material","url":"https://openaccess.thecvf.com/content/ICCV2025/supplemental/Song_OCK_Unsupervised_Dynamic_ICCV_2025_supplemental.pdf"}],"summary":"NTT afirma que un modelo basado en física elevó del 73,1 % al 92,3 % el éxito de una simulación de carga con un robot pequeño. Las pruebas con Mujin siguen previstas y no se anuncia un despliegue comercial.","text":"NTT afirma que un modelo basado en física elevó del 73,1 % al 92,3 % el éxito de una simulación de carga con un robot pequeño. Las pruebas con Mujin siguen previstas y no se anuncia un despliegue comercial.\n\nEl 11 de noviembre, NTT afirmó que un modelo del mundo basado en la física elevó del 73,1 % al 92,3 % la tasa de éxito de una tarea de carga en estanterías realizada por un robot pequeño. La tarea simulaba el apilamiento de objetos y, según la empresa, comparó el uso de la tecnología con su ausencia. NTT también informó de una puntuación LPIPS inferior a la de dos sistemas de referencia en la prueba de vídeo OBJ3D. El primer uso previsto es la manipulación de equipaje en aeropuertos, pero las pruebas de campo con la empresa de robótica Mujin todavía están pendientes. El comunicado no anuncia un despliegue comercial.\n\nEl sistema está diseñado para examinar posibles acciones antes de que el robot se mueva. NTT dice que el modelo estima a partir del vídeo la posición, orientación, velocidad y masa de los objetos, y luego aplica ecuaciones de movimiento para prever cómo podrían desplazarse o interactuar. Un adaptador de control físico desarrollado por la empresa conecta esos cálculos con un modelo de generación de vídeo. Para cada acción propuesta por el software de control existente, el sistema genera una posible escena futura y evalúa resultados como una colisión, la caída de un objeto o el derrumbe de una pila. Complementa un controlador existente y no demuestra que los robots puedan operar sin supervisión y con seguridad.\n\nEl resultado de carga en estanterías es llamativo, pero el aumento absoluto informa más que una afirmación general de que el robot trabaja mejor. La tasa de éxito comunicada subió 19,2 puntos porcentuales, calculados como 92,3 menos 73,1. Frente a la tasa inicial, el aumento relativo es de aproximadamente el 26,3 %, calculado como 19,2 dividido por 73,1. Ambos cálculos usan los valores redondeados de NTT. La empresa no indica cuántas pruebas realizó, cómo definió el éxito, si variaron los objetos o las condiciones de partida, ni cuánto variaron los resultados entre repeticiones. El comunicado tampoco aporta intervalos de incertidumbre.\n\nLa Tabla 1 de NTT ofrece más detalles de otra prueba predictiva. Muestra una puntuación LPIPS multiplicada por 100 de 7,81 para el modelo de NTT, 7,92 para OCK, un modelo académico, y 21,90 para NVIDIA Cosmos Predict 2.5, un modelo comercial de generación de vídeo. En LPIPS, un valor menor es mejor. El valor de NTT es 0,11 inferior al de OCK, o aproximadamente un 1,4 % respecto de 7,92. Ese cálculo describe solo las cifras mostradas. El comunicado no publica intervalos estadísticos ni una comparación de protocolos que demuestre si la pequeña diferencia se mantiene en otras condiciones.\n\nLa prueba de referencia necesita contexto. Un artículo de ICCV de 2025 de Yeon-Ji Song y coautores describe OBJ3D como un conjunto sintético de objetos rígidos en escenas grises neutras, con 2.920 secuencias de entrenamiento y 200 de prueba. Se diseñó para estudiar la geometría de objetos e interacciones como las colisiones. NTT afirma haber evaluado su modelo en la prueba pública OBJ3D, pero no dice si usó la misma división de datos, protocolo de prueba o configuración de entrenamiento que el artículo OCK. Por tanto, el resultado mide predicción de vídeo en una prueba controlada, no la manipulación de equipaje en un aeropuerto real.\n\nLa diferencia técnica que NTT destaca es la representación explícita del estado físico. Un modelo de vídeo puede producir imágenes plausibles y, aun así, omitir las fuerzas o el movimiento que harían volcar una carga. NTT afirma que su adaptador representa la masa y el movimiento y utiliza ecuaciones de movimiento para generar futuros posibles. Ese enfoque podría ayudar a un robot a descartar un plan arriesgado antes de ejecutarlo, sobre todo cuando cada caja o maleta es distinta. El comunicado no da una cifra de latencia, configuración de hardware, memoria necesaria ni pruebas de seguridad, por lo que no demuestra que los cálculos sean suficientemente rápidos y fiables en un almacén activo.\n\nNTT presenta la manipulación de equipaje y paquetes como una aplicación prevista y dice que planea pruebas de campo con Mujin. También indica que la tecnología se exhibirá en el Foro de I+D de NTT de 2026. Son planes de desarrollo, no evidencia de que operadores aeroportuarios hayan elegido o instalado el sistema o medido ahorros de mano de obra. El comunicado no nombra clientes ni aporta presupuesto, fecha de instalación, objetivo de productividad, tasa de fallos en operaciones reales o precio. Pasar de una tarea simulada de apilamiento a equipaje diverso en una cinta o zona de carga requiere pruebas con cambios de luz, oclusiones, movimiento de transportadores y presencia de personas.\n\nEl anuncio se entiende mejor como un avance de investigación con un resultado concreto, pero limitado. La tarea robótica sugiere un posible uso operativo, mientras que OBJ3D ofrece una comprobación independiente de la calidad de vídeo predicho. Ninguno de los dos resultados demuestra por sí solo una fiabilidad general en logística, fabricación o comercio minorista, sectores que NTT menciona como posibles áreas de expansión. Antes del despliegue, los responsables necesitarían pruebas repetidas, una definición transparente del éxito, controles de seguridad, mediciones con objetos no vistos y una comparación del sistema completo con las alternativas actuales. NTT ha descrito la ruta hacia esas pruebas, no sus resultados.","title":"NTT informa de un 92,3 % de éxito en una prueba robótica; las pruebas de campo siguen pendientes","topics":[],"translations":[{"api_url":"https://newsverum.com/api/v1/articles/ntt-robot-physical-ai-shelf-loading-test-2026-11-11?lang=tr","language":"tr","url":"https://newsverum.com/tr/news/ntt-robot-physical-ai-shelf-loading-test-2026-11-11"},{"api_url":"https://newsverum.com/api/v1/articles/ntt-robot-physical-ai-shelf-loading-test-2026-11-11?lang=en","language":"en","url":"https://newsverum.com/en/news/ntt-robot-physical-ai-shelf-loading-test-2026-11-11"},{"api_url":"https://newsverum.com/api/v1/articles/ntt-robot-physical-ai-shelf-loading-test-2026-11-11?lang=ar","language":"ar","url":"https://newsverum.com/ar/news/ntt-robot-physical-ai-shelf-loading-test-2026-11-11"},{"api_url":"https://newsverum.com/api/v1/articles/ntt-robot-physical-ai-shelf-loading-test-2026-11-11?lang=fr","language":"fr","url":"https://newsverum.com/fr/news/ntt-robot-physical-ai-shelf-loading-test-2026-11-11"},{"api_url":"https://newsverum.com/api/v1/articles/ntt-robot-physical-ai-shelf-loading-test-2026-11-11?lang=es","language":"es","url":"https://newsverum.com/es/news/ntt-robot-physical-ai-shelf-loading-test-2026-11-11"},{"api_url":"https://newsverum.com/api/v1/articles/ntt-robot-physical-ai-shelf-loading-test-2026-11-11?lang=de","language":"de","url":"https://newsverum.com/de/news/ntt-robot-physical-ai-shelf-loading-test-2026-11-11"},{"api_url":"https://newsverum.com/api/v1/articles/ntt-robot-physical-ai-shelf-loading-test-2026-11-11?lang=pt","language":"pt","url":"https://newsverum.com/pt/news/ntt-robot-physical-ai-shelf-loading-test-2026-11-11"}],"url":"https://newsverum.com/es/news/ntt-robot-physical-ai-shelf-loading-test-2026-11-11"},"version":"1"}
