De ImageNet al “sentido espacial” de las máquinas

Fei‑Fei Li es conocida por su papel decisivo en el auge de la visión artificial moderna. Su contribución más recordada está asociada a ImageNet, un proyecto que cambió el rumbo del aprendizaje profundo al proporcionar una base masiva y bien etiquetada para entrenar modelos que aprendieran a reconocer objetos.

Aquella etapa fue un catalizador: a partir de ahí se aceleraron avances que hoy damos por sentados, desde sistemas de clasificación visual hasta capacidades generativas. Con el tiempo, Li ha insistido en una idea: la utilidad real de la IA no se agota en el lenguaje. El siguiente escalón es que los modelos adquieran intuición espacial y física.

Qué es lo que intenta resolver World Labs

El planteamiento de World Labs parte de una observación sencilla: el mundo no es una secuencia de tokens. Es un entorno tridimensional donde los objetos ocupan espacio, se ocultan unos a otros, colisionan, se desplazan y mantienen relaciones geométricas y funcionales.

Por eso la startup se centra en lo que suele denominarse inteligencia espacial: sistemas capaces de percibir, generar y manipular entornos 3D y razonar sobre ellos. No se trata solo de “ver” una escena, sino de responder a preguntas del tipo:

• ¿Dónde está cada elemento y a qué distancia?
• ¿Qué parte de la escena está oculta y cuál es su probable continuidad?
• ¿Qué pasa si un objeto se empuja, cae o se gira?
• ¿Cómo encaja una pieza dentro de un espacio mayor?

Este enfoque está emparentado con la idea de los modelos de mundo: modelos que no solo describen, sino que simulan y anticipan cómo podría evolucionar un entorno.

Una financiación enorme y socios con intereses muy claros

World Labs ha cerrado una ronda de financiación de gran tamaño, con el respaldo de actores relevantes del ecosistema tecnológico. Más allá del titular, el mensaje implícito es que varias compañías ven valor estratégico en un tipo de IA que permita trabajar nativamente con escenas tridimensionales.

En este contexto, resulta especialmente lógico el interés de empresas vinculadas al cómputo acelerado y a los flujos profesionales de creación: los modelos 3D son intensivos en cálculo y, a la vez, fundamentales para industrias como arquitectura, ingeniería, fabricación, animación y entretenimiento.

Marble: generar mundos 3D editables como producto

La compañía ya ha mostrado un primer producto comercial orientado a creación de contenido: un sistema capaz de producir entornos 3D editables a partir de distintas entradas (como texto o material visual). La propuesta apunta a un mercado donde el cuello de botella es conocido: la producción de 3D de calidad cuesta tiempo y dinero.

Los casos de uso inmediatos son bastante directos:

• Videojuegos: prototipado rápido de escenarios, variaciones de mapas, iteración creativa.
• VFX y animación: generación de sets y entornos que luego se refinan con herramientas profesionales.
• Realidad virtual: construcción de espacios a escala con menos fricción en el pipeline.

El matiz importante es “editable”: el valor no está solo en generar, sino en integrarse con flujos de trabajo existentes y permitir control creativo y técnico.

Por qué la robótica necesita esto más que nadie

Si hay un sector donde la inteligencia espacial no es un extra, sino un requisito, es la robótica. Un robot útil en el mundo real tiene que:

• Localizarse en un entorno cambiante.
• Planificar trayectorias y acciones antes de ejecutarlas.
• Manipular objetos con incertidumbre (agarres imperfectos, superficies deslizantes, oclusiones).
• Generalizar a habitaciones, almacenes o fábricas que no son idénticos al entorno de entrenamiento.

En otras palabras: no basta con “reconocer una taza”; hay que estimar su posición, su orientación, si está llena, qué pasa si la inclino y si hay espacio para cogerla sin chocar con algo. Los modelos que internalicen esas relaciones 3D pueden convertirse en una capa de razonamiento previa a la acción.

Autodesk y la conexión natural con el diseño en 3D

La colaboración con una empresa de software 3D encaja por pura compatibilidad de objetivos: las herramientas de diseño profesional trabajan con geometría, materiales, iluminación, escalas y restricciones. Un modelo capaz de generar o comprender escenarios tridimensionales puede servir como complemento para:

• Colocar automáticamente objetos diseñados en un entorno plausible.
• Crear variaciones de escenas manteniendo coherencia espacial.
• Combinar diseño manual (preciso) con generación (rápida) sin perder control.

El impacto potencial no se limita al entretenimiento: si estos sistemas maduran, podrían permear en visualización arquitectónica, prototipado industrial o simulaciones.

Una carrera con más competidores (y con enfoques distintos)

World Labs no opera en vacío. Grandes laboratorios y nuevas startups están persiguiendo modelos que generen o simulen entornos. La diferencia suele estar en la estrategia:

• Algunos equipos defienden que harán falta arquitecturas radicalmente nuevas para representar el mundo con eficiencia y estabilidad.
• Otros apuestan por avanzar iterativamente con la generación actual, ampliando capacidades y corrigiendo limitaciones sobre la marcha.

Ambos caminos pueden converger: productos que funcionen hoy y, en paralelo, investigación para romper techos técnicos (consistencia temporal, física más fiel, control fino, escalabilidad).

Lo que está en juego: de “modelos que hablan” a “modelos que entienden entornos”

Durante los últimos años, gran parte del progreso visible se ha medido en lenguaje: mejores respuestas, mejores resúmenes, mejores agentes. La tesis que impulsa esta nueva oleada es que el próximo salto vendrá de dotar a la IA de representaciones internas del espacio y capacidad de anticipación.

Si esa pieza encaja, el resultado puede sentirse menos como una IA que “describe” y más como una IA que opera: diseña, simula, planifica y ejecuta con un entendimiento geométrico del mundo. Y ahí, el 3D no es un formato; es el idioma de la realidad.