# Inteligencia Física canonical_url: https://www.3.14financialcontents.com/es/capacidades/inteligencia-fisica/ markdown_url: https://www.3.14financialcontents.com/es/capacidades/inteligencia-fisica/index.md language: es-ES content_type: capabilities status: published description: Trabajamos con visión artificial, sensórica, fusión de señales, estimación de estado, simulación, navegación, planificación de movimiento, control, manipulación y computación edge. Exploramos cómo integrar estas capacidades con modelos… Extender percepción, decisión y acción desde los sistemas digitales hasta el mundo físico. ## Qué construimos e investigamos - observar mediante visión y sensores - estimar el estado - representar el entorno - planificar - optimizar una trayectoria - controlar - manipular - coordinar equipos - actuar localmente - verificar el efecto - recuperar o detener el sistema cuando la incertidumbre supera lo permitido ## Tecnologías que construimos, aplicamos y evaluamos - OpenCV - AprilTag - modelos de visión - calibración y estimación de pose - fusión de sensores - CUDA - TensorRT - Newton - NVIDIA Warp - OpenUSD - software in the loop y hardware in the loop - cuRobo - campos de distancia - comprobación de colisiones - generación y optimización de trayectorias - MPC y control predictivo - control geométrico - P/PD e identificación - NVIDIA Jetson - Python y FastAPI - NATS/JetStream - workflows duraderos - herramientas MCP El sistema convierte medidas parciales en una estimación del estado con la confianza necesaria para decidir. Una operación física cambia el entorno. Para realizarla, el sistema relaciona medidas parciales, una estimación del estado, objetivos, restricciones y mecanismos capaces de actuar. Un robot se desplaza, aproxima una herramienta, recoge un objeto, modifica una posición o coordina su movimiento con otras máquinas. La acción ocurre bajo geometría, tiempo, rozamiento, holguras, carga, ruido, latencia y límites mecánicos. La inteligencia física permite que un sistema relacione percepción y acción dentro de esas condiciones. Esta línea extiende la inteligencia operacional al mundo físico desde el Laboratorio. La información continúa siendo la base. El sistema necesita conocer el objetivo, el estado, las restricciones y la autoridad. La diferencia es que ahora parte de esa información procede de medidas incompletas y parte del resultado debe comprobarse sobre un entorno que cambia. ## Percibir es estimar Una cámara entrega imágenes. Una IMU entrega aceleraciones y velocidades angulares. Un encoder entrega posiciones o incrementos. El sistema convierte esas medidas parciales en una estimación del estado con la confianza necesaria para decidir. La estimación combina medidas, modelos y contexto para responder: - dónde se encuentra el robot; - qué orientación tiene; - qué objeto observa; - con qué confianza; - qué movimiento se ha producido; - qué parte del entorno permanece incierta; - qué señal contradice a otra; - qué corrección conviene aplicar; - cuándo la estimación ya no permite continuar. Tratar la percepción como estimación permite diseñar comportamientos proporcionales a la confianza. El sistema puede continuar, reducir velocidad, buscar una referencia, cambiar de sensor, ampliar la observación, solicitar intervención, volver a una posición segura o detenerse. La incertidumbre es una variable que modifica la operación. ## Visión artificial para comprender geometría y estado La visión puede identificar, localizar, medir y seguir elementos del entorno. Trabajamos con detección, segmentación, clasificación, estimación de pose, marcadores y referencias visuales, calibración, correspondencias, profundidad, seguimiento, inspección, lectura de instrumentos y relación entre imagen y modelo geométrico. La utilidad depende de condiciones concretas: iluminación, distancia, movimiento, frecuencia, resolución, oclusión, óptica, superficie, latencia y capacidad de cómputo. Evaluamos la visión dentro del recorrido físico: qué decisión cambia, qué tolerancia necesita y qué ocurre cuando la señal falta o llega tarde. Una métrica obtenida sobre imágenes seleccionadas describe esas imágenes; el comportamiento durante una operación se mide en la operación. ## Fusión de señales y estimación de estado Los sensores aportan fortalezas diferentes. La odometría conserva continuidad y acumula error. Una referencia visual puede corregir deriva y aparecer de forma intermitente. Una IMU aporta dinámica y también ruido. Un encoder absoluto puede ofrecer una dimensión de estado especialmente valiosa. Fusionamos señales según su frecuencia, incertidumbre y relación geométrica. La arquitectura conserva marcas temporales, marcos de referencia, calibraciones, covarianzas o medidas de confianza, transformaciones, retrasos, validez, origen y estado de salud del sensor. En MontojOS, por ejemplo, la continuidad del movimiento puede sostenerse con odometría e IMU y corregirse mediante referencias visuales cuando están disponibles. El sistema conserva el estado durante la ausencia temporal de visión y conoce cómo crece la incertidumbre mientras dura. ## Representar el entorno y el cuerpo La planificación necesita una representación de geometría, articulaciones, límites, herramientas, cargas, zonas permitidas, obstáculos, estaciones, tolerancias, contactos, capacidades de movimiento y estados seguros. La representación conecta el modelo digital con el equipo físico. Una trayectoria válida en un modelo puede necesitar ajustes por flexión, holgura, desgaste, cableado, carga, fricción, tolerancia de fabricación, calibración, inercia, deformación y elementos no modelados. Por eso distinguimos geometría nominal, parámetros identificados y comportamiento observado. El efecto de un comando depende del estado, la carga, la geometría, las tolerancias y el entorno. ## Simulación para aprender antes del hardware La simulación permite explorar comportamientos, generar escenarios y evaluar decisiones con mayor velocidad y menor coste físico: validar geometría, detectar colisiones, probar controladores, comparar secuencias, generar datos, estudiar sensibilidad, entrenar políticas, reproducir fallos, evaluar coordinación y preparar campañas de prueba. Newton y NVIDIA Warp amplían la capacidad de construir simulaciones aceleradas por GPU y de integrar física, geometría y computación paralela dentro del ecosistema Python. La simulación aporta un entorno controlado. El hardware aporta fenómenos y tolerancias que el modelo todavía no contiene. El recorrido de madurez conecta ambos: ```text MODELO ↓ SIMULACIÓN ↓ SOFTWARE IN THE LOOP ↓ HARDWARE IN THE LOOP ↓ PRUEBAS EN ENTORNO ↓ OPERACIÓN ACOTADA ``` Cada etapa responde preguntas diferentes. El paso siguiente se habilita mediante criterios explícitos. ## Navegación y movilidad Un sistema móvil necesita estimar su pose, representar rutas y zonas, planificar, seguir una trayectoria, responder a obstáculos, aproximarse con precisión, coordinar el movimiento con el resto de la operación y conservar capacidad de parada y recuperación. Trabajamos con navegación que combina odometría, IMU, referencias visuales, mapas o geometría conocida, control cinemático, control predictivo, correcciones terminales, perfiles de velocidad y estados de misión. La navegación general y la aproximación final pueden necesitar controladores diferentes. El crucero prioriza continuidad y eficiencia. La fase terminal prioriza error lateral, longitudinal y angular respecto a la tarea. El criterio de éxito consiste en situar el sistema en una condición desde la que la siguiente acción física pueda ejecutarse con la tolerancia necesaria. ## Planificación y optimización de movimiento La planificación busca una trayectoria que cumpla objetivos y restricciones: posición, orientación, colisiones, límites articulares, velocidad, aceleración, jerk, tiempo, energía, estabilidad, carga, zonas prohibidas y capacidad de recuperación. cuRobo permite acelerar en GPU tareas como cinemática inversa, comprobación de colisiones, generación de trayectorias y planificación de movimiento. La aceleración amplía el número de alternativas que el sistema puede examinar dentro del tiempo disponible. La selección final conserva geometría real, herramientas, payload, tolerancias, límites del controlador, seguridad y verificación. En MagdalenOS, la planificación puede combinar backends especializados con una representación propia del equipo y de sus restricciones. ## Control predictivo y adaptación Un controlador convierte una referencia en acciones sobre el sistema. El control predictivo utiliza un modelo para anticipar la evolución durante un horizonte y elegir acciones que respeten restricciones. Puede resultar útil en seguimiento de trayectoria, navegación, aproximación, estabilización, manipulación, coordinación y gestión de límites. La eficacia depende de la fidelidad del modelo, la frecuencia, la latencia y la capacidad de estimar el estado. Trabajamos con control geométrico, control P, PD y combinaciones, MPC, identificación de planta, control con restricciones, perfiles de velocidad, supervisión, fallback y parada segura. El control se evalúa sobre error, estabilidad, tiempo, esfuerzo, recuperación y comportamiento bajo perturbaciones. ## Manipulación y mecanismos Una operación de manipulación conecta geometría, posición, orientación, contacto, herramienta, carga, secuencia, actuadores, sensores y verificación. El sistema distingue aproximación, contacto, sujeción, transporte, liberación, retirada y posición segura. Una acción puede requerir coordinación entre base, brazo, mecanismo lineal, imanes, tijeras, carro, elevación u otros actuadores. La secuencia conserva estados y criterios de transición. La adquisición o liberación del objeto se confirma mediante una señal propia: encoder, corriente, sensor de posición, visión, cambio de carga, estado del actuador u observación posterior. ## Edge: decidir cerca del entorno Parte de la percepción y del control necesita ejecutarse localmente. El edge aporta baja latencia, continuidad durante pérdidas de red, acceso directo a sensores, control de frecuencia, privacidad, capacidad de parada y mayor autonomía respecto a servicios remotos. Trabajamos con plataformas como NVIDIA Jetson y otras arquitecturas GPU o embebidas. La distribución puede separar: **Local.** Percepción crítica, estimación, control, límites, parada, buffers y recuperación inmediata. **Remoto.** Planificación global, análisis, entrenamiento, reporting, almacenamiento, supervisión y coordinación de alto nivel. Los límites de esa división se diseñan a partir de latencia, conectividad, seguridad y coste de cómputo. ## Agentes y operaciones físicas Los agentes pueden ayudar a interpretar objetivos, elegir habilidades, coordinar misiones, consultar conocimiento, diagnosticar, preparar recuperación, explicar, solicitar ayuda y adaptar un plan dentro de límites. La trayectoria física crítica permanece protegida por controladores, estados y políticas que pueden verificarse. Un agente puede decidir entre acciones declaradas; los componentes deterministas mantienen límites de movimiento, permisos, interlocks, parada, secuencias críticas, contratos y criterios de finalización. Esta distribución permite aprovechar interpretación y planificación conservando las restricciones físicas en componentes verificables. ## Coordinación de equipos La Inteligencia Física puede extenderse desde una máquina a una operación coordinada. El sistema representa equipos, capacidades, ubicaciones, tareas, recursos, dependencias, zonas, prioridades, disponibilidad, fallos, estado de carga e interfaces con personas. La orquestación asigna trabajo y conserva la situación global. Cada equipo mantiene control local suficiente para operar de forma segura. La coordinación puede combinar workflows, eventos, optimización, agentes, planificación, telemetría y supervisión humana. ## Verificar la acción sobre el entorno Una operación física termina cuando el entorno permite observar su efecto. La verificación puede responder: - ¿el robot llegó a la pose útil?; - ¿el objeto está sujeto?; - ¿la carga cambió?; - ¿la estación recibió el elemento?; - ¿el mecanismo regresó a una posición segura?; - ¿el entorno quedó preparado para la siguiente operación?; - ¿la máquina puede continuar?; - ¿se ha creado una condición que necesita intervención? Una señal independiente aumenta la confianza: la misma cadena que envía el comando informa de su propia ejecución, y la comprobación del efecto necesita otra observación. Diseñamos el criterio de éxito junto a la tarea y lo incorporamos a la evaluación. ## Seguridad, parada y recuperación La seguridad estructura la operación física. Diseñamos límites, zonas, velocidades, estados seguros, interlocks, supervisión, parada, recuperación, intervención, registro de incidentes y pruebas. La capacidad de detenerse y volver a una condición conocida forma parte del resultado. Las acciones se clasifican por impacto, reversibilidad, energía, proximidad, confianza, autoridad y capacidad de observación. Una acción de mayor consecuencia exige más evidencia, control y separación entre planificación y ejecución. ## Qué puede cambiar para una organización ### Percepción conectada con decisiones La visión y los sensores dejan de producir únicamente detecciones y pasan a modificar una operación definida. ### Mayor continuidad local El sistema puede conservar percepción y control durante variaciones de conectividad. ### Mejor precisión en tareas acotadas La fusión de señales y la corrección terminal ayudan a alcanzar tolerancias útiles para manipulación, inspección o interacción. ### Menos incertidumbre oculta El estado y su confianza se vuelven observables y condicionan el comportamiento. ### Planificación más rápida GPU, simulación y optimización permiten examinar más alternativas dentro del tiempo disponible. ### Operaciones comprobables Cada secuencia incorpora una señal que permite distinguir comando y efecto. ### Aprendizaje más seguro Simulación, HIL y campañas en entorno permiten descubrir límites antes de ampliar autonomía. ### Integración digital y física Las operaciones físicas pueden conectarse con ERP, workflows, eventos, personas y reporting. ## Líneas de trabajo ### Visort Visión artificial, geometría, detección, estimación y ejecución en edge. ### MagdalenOS Representación de equipo, planificación, cinemática, manipulación, simulación y coordinación robótica. ### MontojOS Navegación, fusión de señales, aproximación terminal, mecanismos físicos y verificación de operaciones en estaciones definidas. ## Cómo evaluamos **Percepción.** Precisión, recall, error geométrico, frecuencia, latencia, calibración y comportamiento por condición. **Estimación.** Error de posición y orientación, deriva, estabilidad, confianza y recuperación después de pérdida de señal. **Planificación.** Tasa de solución, tiempo, colisiones, suavidad, margen, cumplimiento de restricciones y factibilidad física. **Control.** Error, estabilidad, tiempo, sobreimpulso, esfuerzo, perturbaciones y recuperación. **Operación.** Porcentaje de recorridos completos, duración, reintentos, intervenciones, estados inseguros y resultado verificado. **Simulación.** Correspondencia con hardware, cobertura de escenarios y capacidad para reproducir fallos. **Seguridad.** Parada, límites, interlocks, recuperación y respuesta a señales inválidas. **Madurez.** Estado por capacidad, equipo, tarea y entorno. ## Estado de madurez Laboratorio · capacidades en evaluación. Visort, MagdalenOS y MontojOS permiten integrar percepción, estimación, planificación, control y mecanismos dentro de recorridos físicos definidos. Cada capacidad avanza mediante simulación, pruebas de software y hardware, campañas en entorno y criterios específicos de precisión, seguridad, recuperación y resultado. La web declara el estado por tarea y entorno. Esta forma de presentar la madurez permite ampliar la ambición manteniendo cada demostración dentro de su alcance. ## Cierre La Inteligencia Física conecta el conocimiento de la tarea con una estimación del mundo y convierte esa estimación en acciones bajo restricciones. Su valor aparece cuando el sistema puede percibir, decidir, actuar, comprobar y aprender dentro del entorno en el que tendrá que operar. --- https://www.3.14financialcontents.com/llms.txt · https://www.3.14financialcontents.com/llms-full.txt