Tecnología / MUNDO

NTT informa de un 92,3 % de éxito en una prueba robótica; las pruebas de campo siguen pendientes

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.

Ilustración conceptual de tecnología, procesadores e información conectada.Ilustración
Ilustración simbólica

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.

Datos

Cifras clave

Tasas de éxito de la simulación de carga en estantería

Tasas informadas por NTT para su tarea simulada de apilamiento con un robot pequeño.

Tasa de éxito de carga en estantería sin tecnología NTT
73,1 percent
2026-11-11 · Observado
Tasa de éxito de carga en estantería con tecnología NTT
92,3 percent
2026-11-11 · Observado
Metodología

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.

Actualizado:

Tabla

Comparación LPIPS en el benchmark de vídeo OBJ3D

Puntuaciones de modelos incluidas en la tabla de NTT. Un LPIPS menor es mejor.

modelo del mundo de NTTModelo de la empresa7.81 LPIPS x100
OCKModelo académico citado por NTT7.92 LPIPS x100
NVIDIA Cosmos Predict 2.5Modelo comercial de generación de vídeo21.90 LPIPS x100
Metodología

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.

Actualizado:

Cobertura estructurada

Temas y lugares

Propuestas temáticas

Versión de la taxonomía: IPTC Media Topics 2026-Q2

Seguir leyendo