Josie Hughes, profesora asistente de la École Polytechnique Fédérale de Lausanne (EPFL), habló sobre el uso de la IA en el diseño de robots en una conversación de pódcast publicada el 22 de mayo de 2026. El tema fue cómo puede emplearse la inteligencia artificial para desarrollar nuevos diseños de manipuladores robóticos. La presentadora, Claire, conversó con Hughes sobre ese trabajo en el episodio 157 de un programa semanal dedicado a la robótica, la IA y las máquinas autónomas.
De qué trató la conversación
El tema central es acotado y concreto: la generación de diseños de manipuladores asistida por IA. Un manipulador es la parte del robot que alcanza, agarra y manipula objetos, de modo que la cuestión es cómo puede producirse la forma física de un brazo o una mano con ayuda de la IA, en lugar de que la diseñe por completo un ingeniero humano.
La descripción publicada no incluye detalles técnicos de la charla. No menciona los métodos de IA que usa Hughes, los manipuladores obtenidos ni resultados de pruebas. Tampoco se ofrecen cifras de rendimiento, especificaciones de hardware ni fechas de publicación de proyectos concretos. Por ello, este artículo se limita a lo que se sabe de Hughes, de su laboratorio y del enfoque de investigación que ella misma declara.
Quién es Josie Hughes
Hughes es profesora asistente en la EPFL. Fundó allí el laboratorio CREATE Lab en 2021. Realizó su doctorado en el Bio-inspired Robotics Lab de la Universidad de Cambridge, donde estudió el papel de la pasividad en los manipuladores de inspiración biológica.
La pasividad, en este contexto, se refiere a un comportamiento que surge de la estructura física del manipulador y no del control activo. El tema de su tesis doctoral se vincula directamente con su objetivo actual: construir robots cuyos cuerpos asuman una mayor parte del trabajo.
Paradigmas de diseño basados en la fisicidad
Su investigación se centra en desarrollar nuevos paradigmas de diseño para estructuras robóticas que aprovechen su fisicidad y sus interacciones con el entorno. Es tanto una filosofía de diseño como un método técnico: trata la forma material del robot y su contacto con el mundo como recursos que aprovechar, y no como problemas que el software deba corregir.
El trabajo abarca varias áreas, entre ellas las manos robóticas, los manipuladores blandos y los sistemas de automatización. Estos últimos se orientan a aplicaciones centradas en la sostenibilidad y la ciencia.
Combinar diseños generados por IA con esta filosofía es un paso lógico. Si la forma y las propiedades físicas de un manipulador importan tanto como su control, el espacio de formas posibles es enorme. Un enfoque generativo es una manera de explorarlo. La fuente no explica cómo lo hace el grupo de Hughes, así que esta conexión es una inferencia a partir de su línea de investigación declarada y del tema del episodio, no un hallazgo comunicado.
Dónde encaja el tema entre episodios relacionados
La misma serie de pódcast ha abordado temas cercanos en otros episodios. En el episodio 166, Claire conversó con Rika Antonova, de la Universidad de Cambridge, sobre el uso de la inteligencia artificial para desarrollar hardware y algoritmos robóticos complementarios. En el episodio 167, habló con Jan Petrš, también de la EPFL, sobre nuevos diseños de robots para la construcción y la arquitectura.
En conjunto, estos episodios muestran un tema recurrente: la IA se aplica al diseño de los cuerpos de los robots, y no solo al software que los controla. El enfoque de Antonova combina hardware y algoritmos. El de Petrš se centra en nuevos diseños para un sector específico. El de Hughes, en los manipuladores.
Análisis: por qué importa y qué falta por demostrar
La relevancia de esta línea de trabajo reside en dónde se aplica la IA. Gran parte del debate público sobre IA en robótica gira en torno a la percepción, la planificación y el control. El foco declarado de Hughes es la estructura del propio robot. Si la forma de un manipulador puede generarse en lugar de diseñarse a mano, la etapa de diseño, que tradicionalmente ha dependido de la experiencia y la intuición de los ingenieros, pasa a ser algo que puede explorarse computacionalmente.
Esto encaja especialmente bien con su énfasis en la fisicidad. Los diseños que dependen del comportamiento pasivo y de la interacción con el entorno son difíciles de especificar a mano, porque el resultado depende de cómo se comporta un cuerpo en contacto con el mundo. Un método generativo ofrece una vía para explorar esos diseños. Se trata de un razonamiento basado en sus prioridades de investigación declaradas, no de un resultado demostrado.
La comparación con otros trabajos está limitada por la información disponible. El episodio de Antonova describe una IA que desarrolla hardware y algoritmos de forma conjunta, lo que sugiere que el campo avanza hacia tratar el cuerpo y el controlador como un único problema. El trabajo de Hughes, tal como se describe, se concentra en el cuerpo, con interés en las estructuras blandas y pasivas. Ambos enfoques parecen complementarios, aunque la descripción disponible no los compara directamente.
Quedan varias preguntas abiertas. La descripción no indica qué métodos generativos se emplean, cómo se evalúan los diseños generados ni si se han fabricado y probado en hardware real. Tampoco ofrece ninguna medida de cómo se compara un manipulador generado con uno diseñado por una persona. Sin esos datos, no es posible sostener que los diseños generados por IA superan a los convencionales.
También está la cuestión de la transferencia. Hughes menciona la sostenibilidad y la ciencia como áreas de aplicación de sus sistemas de automatización, pero la descripción no informa de ningún sistema desplegado en ninguna de ellas. No se aborda si los diseños generados para una tarea se pueden trasladar a otras.
La prueba práctica del diseño de robots con IA será física: si los manipuladores generados pueden fabricarse, funcionar de forma fiable fuera de la simulación y igualar o superar a las alternativas diseñadas por humanos en una tarea definida. La conversación apunta a un interés activo por parte de un laboratorio con una filosofía de diseño clara. Las pruebas de que este enfoque produce mejores robots tendrán que provenir de los resultados publicados por el grupo.