IA sin conexión: cuando robots y vehículos deben pensar sin la nube

Un chatbot puede esperar medio segundo a que responda la nube. Un brazo robótico, no. Tampoco un vehículo que acorta distancias a velocidad de autopista, ni un humanoide que atrapa una pieza que resbala en una línea de producción. Esa diferencia de tiempos es la razón por la que la robótica con IA en el dispositivo se ha convertido en una disciplina propia: mantener el bucle cerrado —percibir, decidir, actuar— en la máquina y tratar la nube como maestra, cerebro de la flota y respaldo, no como copiloto en tiempo real.

Esta guía de referencia explica por qué la inferencia de IA sin conexión es importante para robots y vehículos autónomos, cómo se están rediseñando los modelos visión-lenguaje-acción (VLA) para la IA sin conexión en el dispositivo y en qué casos un nodo local cercano, en la fábrica o junto a la carretera, sigue ayudando sin poner el control crítico para la seguridad en la Internet pública.

La latencia es un problema de física, no un eslogan de producto

En los asistentes digitales, la latencia es una molestia. En los sistemas encarnados, es cinemática.

Los ingenieros de control reparten presupuestos de milisegundos entre percepción, planificación y órdenes a los actuadores. Si se pasa del presupuesto no se obtiene una «respuesta lenta»: se obtienen sobreoscilaciones, objetos que caen, una marcha inestable o una frenada decidida demasiado tarde. Como recoge EE Times a partir de los responsables de robótica de STMicroelectronics, cuando las articulaciones deben coordinarse, el retardo de ida y vuelta hasta un procesador central (no digamos ya una nube lejana) puede convertir pequeños errores de seguimiento en agarres fallidos o en movimientos de cuerpo entero inseguros.

Tres limitaciones hacen de la nube una mala opción por defecto para el bucle más interno:

1. Propagación y jitter. Incluso un salto 5G «rápido» añade un retardo variable. A los casos de seguridad les importa la latencia en el peor caso, no la mediana.
2. Huecos de conectividad. Almacenes, minas, túneles, carreteras rurales, barcos y zonas catastróficas pierden a menudo el enlace de subida. Un robot que se queda congelado sin la nube no es autónomo.
3. Asimetría de ancho de banda. Enviar de forma continua a la nube flujos multicámara, de lidar y táctiles sale caro. Comprimirlos para la nube suele destruir precisamente el detalle que necesita la política de control.

Por eso, la práctica de la seguridad funcional trata la partición de la red como una condición de diseño. Las recomendaciones de consultoras sobre despliegues de IA en el dispositivo bajo normas de tipo ISO 26262 / IEC 61508 (por ejemplo, Hyperion Consulting) lo resumen con claridad: el entrenamiento, la monitorización y la orquestación de actualizaciones pueden vivir en la nube; la ruta de inferencia en tiempo real tiene que seguir funcionando sin conexión.

Esa es la definición de IA sin conexión en el dispositivo: una inteligencia que sigue siendo competente cuando se cae la radio.

Qué significa «local» en robótica (tres capas)

Los profesionales suelen referirse a uno de estos tres lugares, y a veces a los tres en una misma flota:

El estudio de Microsoft Research de 2026 sobre inferencia descargada para la IA física hace explícito el equilibrio. Las GPU solo a bordo pueden limitar el tamaño del modelo, recortar la autonomía de la batería y empeorar el éxito de las tareas; trasladar la inferencia a una GPU local o en la nube puede aumentar la tasa de éxito y alargar la autonomía, pero solo si la latencia y el ancho de banda de la red se mantienen dentro del presupuesto de control. En sus mediciones de manipulación móvil, las GPU embarcadas más ligeras ralentizaban de forma drástica el mapeo y la planificación frente a una GPU potente de centro de datos, perjudicaban la detección a tiempo de obstáculos en la navegación y se asociaban a fuertes caídas de precisión de los VLA cuando el modelo se ejecutaba demasiado despacio. Descargar ayudaba, pero el mismo artículo advierte de que el reparto adecuado depende de cada carga de trabajo, no de un dogma.

La arquitectura que perdura es la autonomía por capas: mantener a bordo el tiempo real estricto y los comportamientos a prueba de fallos, y descargar solo lo que el SLA de latencia y la fiabilidad de la radio puedan soportar de verdad.

Los modelos visión-lenguaje-acción llegan al dispositivo

Los modelos VLA son hoy el puente entre «robots que siguen guiones» y «robots que siguen instrucciones en lenguaje natural». Un VLA recibe imágenes de cámara (y a menudo propiocepción) más una instrucción en lenguaje natural, y produce acciones: objetivos articulares, giros del efector final o tokens de acción discretos.

De RT-2 a los VLA en el dispositivo

RT-2 de Google DeepMind (2023) demostró que los modelos de visión y lenguaje entrenados a escala web podían ajustarse conjuntamente para emitir acciones robóticas en forma de tokens, mejorando la generalización ante objetos y escenas nuevos. Según DeepMind, RT-2 duplicó aproximadamente el éxito en escenarios nuevos frente a RT-1 en sus evaluaciones (alrededor del 62 % frente al 32 % en el conjunto de escenarios no vistos que destacan). Aquella investigación demostró la idea de los VLA. No demostró que un transformer de miles de millones de parámetros tuviera cabida en el margen térmico de cada robot.

Entre 2025 y 2026, el campo se dividió en dos vías:

• VLA insignia, optimizados para la capacidad (a menudo apoyados en la nube o en servidores durante las demos).
• VLA en el dispositivo, optimizados para la latencia local y la conectividad intermitente.

Gemini Robotics On-Device de DeepMind (anunciado en junio de 2025) se sitúa explícitamente en la segunda vía: un VLA «optimizado para ejecutarse localmente en dispositivos robóticos», útil para tareas sensibles a la latencia y entornos con conectividad «intermitente o nula». DeepMind informa de una gran destreza (por ejemplo, abrir la cremallera de una bolsa o doblar ropa), de adaptación con solo 50 a 100 demostraciones y de experimentos de transferencia entre cuerpos robóticos (incluidos el Franka FR3 y el humanoide Apollo de Apptronik) dentro de un programa de probadores de confianza. La línea posterior Gemini Robotics On-Device 2 mantiene la misma tesis: diseñada para restricciones de red y ejecución local.

Pilas abiertas: OpenVLA, π₀ y silicio de clase Jetson

Los ecosistemas abiertos importan porque una flota no puede depender de una única clave de API.

• Los modelos de tipo OpenVLA (un VLA de unos 7.000 millones de parámetros construido sobre una pila VLM Prismatic con backbones de lenguaje de clase Llama y codificadores de visión modernos) popularizaron el control mediante tokens de acción para brazos de investigación. El Jetson AI Lab de NVIDIA documenta cómo ejecutar estos VLA sobre flujos de cámara con herramientas orientadas a TensorRT; es útil, pero la decodificación autorregresiva token a token suele ser demasiado lenta para el control de alta frecuencia si no se optimiza a fondo.
• La línea π / OpenPi de Physical Intelligence (incluidos los VLA de flow matching π₀ y π₀.₅) impulsó otro estilo de generación: predecir bloques de acciones con pocos pasos de eliminación de ruido en lugar de decodificar token a token. Los tutoriales del Jetson AI Lab de NVIDIA para π₀.₅ en Jetson AGX Thor indican una latencia de extremo a extremo de unos 49 ms con TensorRT FP8 + NVFP4 (frente a unos 132 ms en PyTorch BF16 en su tabla para una configuración pi05_libero), el tipo de cifra que empieza a parecerse a la manipulación en bucle cerrado y no a una demo de diapositiva.
• Trabajos de sistemas independientes (por ejemplo, la línea de investigación «Running VLAs at Real-time Speed») muestran que una ingeniería cuidadosa puede llevar la inferencia multivista de clase π₀ a unas pocas decenas de milisegundos en una sola GPU de gama alta, prueba de que la robótica con IA en el dispositivo es tanto oficio de compiladores y runtimes como investigación de modelos.
• El preprint VLA-HWBench (que mide numerosos VLA abiertos en hardware Jetson AGX Thor y de clase AMD Ryzen AI Max) refuerza una lección práctica: cómo genera un VLA sus acciones (bloques por flow matching frente a tokens autorregresivos) pesa más en la latencia que el número bruto de parámetros.

Para quien construye, la lista de comprobación es sencilla: preferir representaciones de acciones que emitan un horizonte corto de controles continuos en pocos pasos; cuantizar de forma agresiva (FP8 / NVFP4 / INT4 mientras se mantenga la precisión); fusionar kernels; y perfilar el preprocesado en CPU, porque una vez que los kernels de GPU son rápidos, el tratamiento de imágenes en el host se convierte en el nuevo cuello de botella.

Robots humanoides: de los píxeles al par motor, sin cordón umbilical

Los humanoides amplifican todas las limitaciones del dispositivo. Combinan equilibrio, manos diestras, percepción multicámara y personas cerca, así que una política que se atasca no es solo un agarre fallido: es un incidente de seguridad.

El Figure 03 de Figure (octubre de 2025) es un ejemplo comercial concreto de hardware diseñado en torno a una pila VLA propia (Helix). El anuncio de Figure destaca:

• Una arquitectura de cámaras orientada al control visuomotor de alta frecuencia, con el doble de fotogramas por segundo, una cuarta parte de la latencia y un campo de visión por cámara un 60 % más amplio que la generación anterior.
• Cámaras en la palma para el control a corta distancia cuando las del torso quedan tapadas.
• Sensores táctiles en las yemas de los dedos capaces de detectar fuerzas del orden de tres gramos, para anticipar deslizamientos.
• Descarga de datos por mmWave a 10 Gbps para el aprendizaje de flota; un matiz importante: esa descarga de gran ancho de banda sirve para datos de entrenamiento y mejora, no para sustituir el bucle de control en tiempo real.
• Carga inductiva inalámbrica (Figure habla de una base de 2 kW) para que las células comerciales mantengan a los robots en rotación.

Estos detalles importan para entender la IA sin conexión en el dispositivo porque muestran el patrón del sector: sensores de alta frecuencia y ejecución de la política en el robot, y tuberías gruesas cuando está en la base para mejorar el siguiente modelo.

Los análisis del sector sobre el cómputo de los humanoides (incluida la cobertura de las pilas de NVIDIA/Arm en despliegues de humanoides) vuelven una y otra vez a la misma arquitectura: inferencia a bordo para la locomoción y la manipulación; nodo local cercano opcional para el razonamiento más pesado; nube para el aprendizaje de flota. Si una demo concreta funciona totalmente sin conexión hay que verificarlo en las notas técnicas del fabricante —una retransmisión de marketing no es un caso de seguridad—, pero la dirección es inequívoca.

Vehículos autónomos: las primeras máquinas de inferencia de IA sin conexión

Los coches y los robotaxis zanjaron el debate de «nada de nube en el bucle» años antes de que los VLA tuvieran nombre. No se puede llamar a un centro de datos para clasificar un coche que se cruza de carril dentro de un túnel.

Las plataformas actuales de vehículos autónomos industrializan esa lección:

• Las pilas de percepción de investigación y producción sobre SoC de clase NVIDIA DRIVE Orin han publicado cadenas de percepción multicámara en vista cenital con una latencia total medida del orden de 19 ms (unos 53 FPS) para una red de tipo NVAutoNet de ocho cámaras en la GPU integrada de Orin, una muestra del listón de tiempo real que la percepción debe superar antes de que la planificación y el control consuman el resto del presupuesto.
• NVIDIA DRIVE AGX Thor, disponible comercialmente según los materiales de 2025, amplía el planteamiento a bordo a la IA generativa y multimodal en el vehículo. La documentación para desarrolladores de NVIDIA compara Thor con Orin con un rendimiento máximo de aprendizaje profundo INT8 de aproximadamente 1.000 frente a 254 (en las unidades que publica NVIDIA), mayor rendimiento de CPU y seguridad orientada hasta ISO 26262 ASIL-D, y el software DriveOS habla explícitamente de VLA, LLM y VLM ejecutándose en el vehículo. Entre los ejemplos de LLM/VLM en el vehículo compatibles en las tablas del DriveOS LLM SDK figuran variantes de Llama 3.x y Qwen2-VL con cuantización FP16 / INT4 / FP8 / NVFP4.

Los vehículos siguen conectándose a casa para mapas, telemetría y actualizaciones de modelos. Lo que no externalizan es el bucle de evitación de colisiones. Esa separación —inferencia de IA sin conexión para la política de conducción, servicios en línea para todo lo demás— es la plantilla que las fábricas copian ahora para manipuladores móviles y humanoides.

Diseñar para la competencia sin conexión (guía de referencia)

Tanto si fabrica un AMR de almacén, un humanoide o una pila para vehículos, las reglas de diseño duraderas son las mismas.

1. Separar la seguridad de lo «inteligente»

Mantenga las paradas de emergencia, las geocercas, los límites de par y los temporizadores de vigilancia fuera de la política neuronal. Los entornos de ejecución de IA en el dispositivo que se usan en robótica industrial anuncian cada vez más mecanismos de seguridad que siguen actuando aunque los modelos se comporten mal. La literatura orientada a normas sobre IA en el dispositivo con seguridad funcional insiste en presupuestar la latencia en el peor caso (por ejemplo, en percentiles altos), no los tiempos medios de una demo.

2. Presupuestar el bucle y después elegir el modelo

Parta de la frecuencia de control necesaria (por ejemplo, decenas de Hz para bloques de manipulación y más para los bucles internos de par). Calcule hacia atrás la latencia máxima del modelo. Si un VLA no cumple el presupuesto tras TensorRT y cuantización, reduzca el modelo, acorte el horizonte de acción o traslade solo el planificador pesado a una GPU de nodo local cercano con una red determinista, no a una región de nube de mejor esfuerzo.

3. Que la conectividad sea una ventaja, no una dependencia

Use la nube para:

• entrenamiento por imitación / RL y simulación;
• descarga de conjuntos de datos de la flota (subidas en la base al estilo Figure);
• asistentes semánticos no críticos;
• OTA escalonadas de modelos firmados.

Mantenga a bordo:

• la percepción que interviene en colisiones y equilibrio;
• la generación de acciones VLA de horizonte corto;
• los modos locales de funcionamiento ante fallos.

4. Medir lo que perciben los operadores

Mida de extremo a extremo: exposición de la cámara → preprocesado → modelo → orden → actuador. Las herramientas y artículos de la literatura sobre sistemas VLA muestran que, tras optimizar la GPU, el preprocesado en CPU puede pasar a dominar. Los equipos de robótica con IA en el dispositivo que solo vigilan los FLOPs del modelo no ven la regresión.

5. Planificar el reparto de forma deliberada

Los resultados de Microsoft sobre la descarga advierten contra ambos extremos. Todo a bordo puede agotar las baterías y obligar a usar modelos más débiles. Todo fuera puede dejar al robot tirado en cuanto falla el wifi. Las flotas ganadoras documentan qué módulos pueden salir del chasis y con qué SLA.

Lo que sigue perteneciendo a la nube

Hasta el robot más celoso de su independencia necesita la nube a largo plazo:

• Entrenamiento de modelos fundacionales con corpus de miles de horas (conjuntos de datos a escala de Open X-Embodiment y flotas de teleoperación de los fabricantes).
• Simulación a un volumen que ningún robot podría vivir en una noche.
• Aprendizaje entre flotas y paneles de evaluación.
• Supervisión humana a escala: monitorización remota que solo escala los casos ambiguos.

El propio mensaje de DeepMind sobre robótica sigue ofreciendo modelos Gemini Robotics más grandes a los desarrolladores que quieren la máxima capacidad sin los límites del dispositivo. Esa honestidad es útil: la IA sin conexión en el dispositivo no está en contra de la nube; está en contra de la nube dentro del bucle interno.

Conclusión

Los robots y los vehículos no se libran del «tiempo» que haga en la red. La física del contacto, la inercia y el tráfico exige inferencia de IA sin conexión para todo lo que toca motores y frenos. Los VLA —desde RT-2, que demostró que el lenguaje puede convertirse en acción, hasta Gemini Robotics On-Device, los modelos de investigación de clase OpenVLA y las políticas de flow matching al estilo π₀.₅ en Jetson Thor— convergen en la misma verdad de despliegue: la capacidad debe comprimirse dentro del margen de latencia y energía del cuerpo que lleva los sensores.

Llamemos a esa pila por su nombre: robótica con IA en el dispositivo al servicio de la IA sin conexión en el dispositivo. Ponga a bordo los reflejos y los VLA de horizonte corto. Recurra a GPU de nodo local cercano cuando la batería y el tamaño del modelo lo exijan y la red esté diseñada para ello, no simplemente confiada a la suerte. Reserve la nube pública para el aprendizaje y la inteligencia de flota. Diseñe cada producto para que, cuando desaparezca el enlace, la máquina siga siendo una máquina y no un cliente ligero esperando permiso para moverse.

Lecturas relacionadas

• IA en el dispositivo en 2026: NPU, modelos locales y la nube
• Modelos visión-lenguaje-acción: la nueva capa base de los robots
• Humanoides en la fábrica: de los vídeos de demostración a turnos completos

Imágenes: ilustraciones originales creadas para AndBeyond.Tech; no aparecen logotipos ni personas reales.