Inteligencia artificial física y su impacto en la manufactura industrial

Buen día, estimada comunidad de Modern Machine Shop México. Les saludo desde Monterrey y les deseo mucho éxito y prosperidad en sus proyectos personales y profesionales en 2025.

En esta ocasión compartiré con ustedes mi reflexión sobre las últimas tendencias en la adopción de inteligencia artificial para aplicaciones industriales, y cómo un jugador clave en el ecosistema, NVIDIA, recientemente mostró una plataforma de IA Física durante la CES (Consumer Electronics Show) en Las Vegas.

Contenido destacado

Sujeción, robots y CAM: la fórmula para cinco ejes automatizado LEER MÁS

CAD/CAM: integración entre diseño, programación y mecanizado LEER MÁS

Qué evaluar antes de elegir un ERP o MES para el taller LEER MÁS

Una plataforma de IA Física es aquella que habilita la autonomía en máquinas y equipos, como robots o autos autónomos, para percibir, entender y llevar a cabo acciones complejas en el mundo real (mundo físico). Se le conoce también como IA Física y Generativa gracias a su habilidad de generar inteligencia y acciones ejecutables por el sistema autónomo. ¡Imaginen la gama de opciones y beneficios en los ecosistemas industriales de alto volumen y baja mezcla!

Ahora demos algunos antecedentes: durante la CES, Nvidia anunció WFM o modelos fundacionales para crear IA Física y Generativa con el fin de utilizarla y adaptarla en fábricas y almacenes autónomos, sistemas de control de tránsito y aun en cuartos de cirugía hospitalaria.

Aplicaciones de IA Física en fábricas y almacenes autónomos

Nvidia define la IA Física como la encarnación de la inteligencia artificial en humanoides, fábricas y otros dispositivos dentro de los sistemas industriales. Los LLM o modelos de lenguaje mayores, unidimensionales, explican los expertos, son capaces de predecir patrones en cartas o palabras. Los modelos de generación de imagen y videos son bidimensionales, pueden predecir el siguiente pixel.

Pero a los modelos de IA Física, Nvidia les acredita la capacidad de empoderar ambientes tan disímiles como centros de datos, cuartos de cirugía, almacenes, fábricas, sistemas de control de tránsito y ciudades inteligentes; para ello se requieren modelos que puedan entender e interpretar un entorno de tres dimensiones.

De la misma forma que la adopción de transformadores generativos preentrenados (GPT) impulsaron el desarrollo de IA Generativa en los últimos años, Rev Lebaredian, de Nvidia, afirma que las inversiones en IA Agentic van a habilitar un sinnúmero de opciones e innovación en IA Física.

La solución de Nvidia para acelerar el entrenamiento de robots inteligentes

La compañía coloca a los robots en tres categorías: robots de conocimiento (IA Agentic), robots generalistas y humanoides, y robots de transporte (vehículos autónomos).

Las últimas dos categorías consisten de robots que pueden entender e interactuar con el mundo físico. “Estos robots son alimentados por modelos de IA Físicos, que pueden entender e interactuar con sus ambientes —explica Lebaredian—. En tanto los modelos de lenguaje generan texto o video de los prompts de texto o imagen, los modelos físicos de IA generan su siguiente acción basada en instrucciones. Este fenómeno, que revolucionará los mercados industriales mundiales, acercará la IA a más de 10 millones de fábricas y 200,000 almacenes”.

Para alimentar la nueva generación de robótica con IA, Nvidia creó lo que llama su “solución a tres computadores”, que consiste de Nvidia DGX para entrenar la IA, Nvidia Omniverse que corre en sus propios sistemas operativos, y Nvidia AGC para procesamiento de datos colectados por sensores en tiempo real.

Nvidia Cosmos utiliza redes neuronales para simular entornos físicos, acelerar el entrenamiento de robots y generar datos sintéticos.

En CES se lanzó, además, Nvidia Cosmos, que son WFM —redes neuronales que simulan ambientes del mundo real y predicen resultados basados en texto, imagen y video—. La plataforma también provee capacidades de proceso acelerado de video y otras funciones.

El generar modelos de IA para robots ha resultado ser costoso y de largo plazo por la gran cantidad de datos y prueba requeridos. Los WFM de Cosmos prometen acelerar el proceso al ofrecer a los desarrolladores la habilidad de generar cantidades masivas de datos sintéticos para entrenar y evaluar sus modelos existentes.

Cosmos funcionará como un acelerador en el entrenamiento de robots inteligentes y autos autónomos. En su conferencia magistral en el CES en Las Vegas, el fundador de Nvidia, Jensen Huang, explicó que los desarrolladores serán capaces de usar los modelos generados por Cosmos para diferentes casos, incluidos:

• Búsqueda y comprensión de videos.
• Generación de datos sintéticos controlada, de 3D a tiempo real.
• Simulaciones de multiverso para identificar la ruta óptima.

IA Agentic a la vista. Nvidia anunció dos planos IA Nvidia. El primero, PDF a podcast, es un agente que transforma documentos como whitepapers o reportes financieros, a podcasts interactivos. El segundo es un agente de analítica de video que permite análisis y búsqueda interactiva, sumarización y generación de reportes.

Como hemos aprendido, la incorporación de IA al ecosistema industrial es una realidad que se observa a pasos acelerados y que augura ahorros y reducción de tiempos de lanzamiento, diseño de producto, proceso, costeo, cotización, etc. Por medio de la IA se puede, también, capitalizar en las nuevas tendencias de innovación de proceso o producto vía investigación con la tecnología y para una toma acelerada de decisiones.

En estos tiempos, en los que fenómenos como el nearshoring, la relocalización y el incremento de contenidos, como está presentado en el Plan México 2030, requieren velocidad de lanzamiento al mercado y la adopción de herramientas de IA para prácticas de mantenimiento predictivo, cotización, diseño, etc., que se convertirán en la respuesta a las demandas de los clientes globales.

Para mayor información, adopción de tecnología para la manufactura, nuevos modelos de IA, de la AMT, IMTS+, SPS, así como apoyo en su mapa de ruta tecnológica, digitalización de fábrica o mejores prácticas en sistemas de gestión y formación técnica y capacitación vía plataforma de e-learning ToolingU, favor contactar a Carlos Mortera en cmortera@amtonline.org, a Manuel Olivares en molivares@amtonline.org o a Daniel García en dgarcia@amtonline.org