El profesor Dennis Hong presenta estrategia de supervivencia para la IA física coreana en el Foro Global 2026
Corea del Sur debe construir un ecosistema único aprovechando datos de campo en automoción, semiconductores y construcción naval
![El profesor Dennis Hong de la Universidad de California, Los Ángeles (UCLA), Departamento de Ingeniería Mecánica y Aeroespacial, y Director del Instituto de Investigación en Robótica y Mecanismos (RoMeLa), pronuncia una conferencia magistral sobre el tema 'La realización de la civilización de IA depende de la competitividad en IA física'.[Foto=Han Jun-gu]](https://image.ajunews.com/content/image/2026/09/02/20260902161520466480.jpeg)
"Los datos de la IA generativa se encontraban en internet, pero los datos cruciales para la inteligencia artificial física se encuentran en el terreno. Un "ecosistema de ciclo virtuoso integrado en manufactura" que implemente robots en operaciones industriales reales para generar datos físicos de alta calidad y los vincule nuevamente con el aprendizaje y reconfiguración de IA representa la dirección única y diferenciada de la IA física coreana."
El profesor Dennis Hong, catedrático del Departamento de Ingeniería Mecánica y Aeroespacial de la Universidad de California, Los Ángeles (UCLA) y Director del Instituto de Investigación en Robótica y Mecanismos (RoMeLa), presentó este martes una estrategia de supervivencia independiente para la industria de IA física coreana durante la conferencia magistral del "XVIII Foro Global para el Crecimiento Responsable y los Buenos Empleos (GGGF 2026)", celebrado en el Hotel The Plaza en Seúl.
El profesor Hong señaló que "Corea del Sur no necesita seguir ciegamente el modelo estadounidense de desarrollo de IA centrado en grandes empresas tecnológicas ni la estrategia china de usar su poderosa cadena de suministro de hardware como arma". Agregó que "Corea del Sur posee operaciones manufactureras de clase mundial en automoción, semiconductores, construcción naval y otros sectores, y debe potenciar su competitividad industrial aprovechando estas fortalezas en datos de campo".
El profesor Hong identificó el cambio de paradigma en los mecanismos de control robótico como el cambio más significativo en la robótica reciente. Históricamente, el proceso seguía un enfoque clásico donde los ingenieros codificaban manualmente algoritmos: los sensores recibían información externa, una computadora procesaba los datos y luego los motores o sistemas hidráulicos ejecutaban el movimiento. Sin embargo, en los últimos uno o dos años, se ha consolidado un enfoque donde un único modelo de IA procesa todo, desde la entrada de sensores hasta el control final del movimiento.
El desafío radica en que este sistema de control basado en IA requiere datos esenciales. El profesor Hong señaló que, a diferencia de los modelos de lenguaje extenso (LLM) o la IA generativa, el campo de la IA física enfrenta una grave "escasez de datos". Mientras que los textos, imágenes y videos pueden recopilarse en grandes cantidades de internet para su aprendizaje, los datos físicos precisos necesarios para entrenar robots—como posiciones articulares, velocidades, aceleraciones y fuerzas de fricción—no existen en internet.
Los métodos de recopilación de datos actualmente utilizados por las empresas tecnológicas globales también muestran limitaciones significativas. Por ejemplo, el aprendizaje mediante simulación en mundos virtuales genera errores cuando se aplica a robots reales debido a la brecha entre simulación y realidad. El método que requiere que los humanos usen equipos de realidad virtual para controlar robots remotamente y recopilar datos consume tiempo y recursos económicos considerables. Además, el aprendizaje a partir de videos en plataformas como YouTube no proporciona "datos táctiles" esenciales como magnitudes de fuerza o sensaciones de contacto.
El profesor Hong enfatizó que, dada la dificultad para asegurar datos físicos de esta naturaleza, el "sector manufacturero" único de Corea del Sur podría convertirse en una carta de cambio decisiva en la era de la IA física. Explicó que las fábricas de manufactura coreana de nivel mundial en automoción, semiconductores y construcción naval representan las "bases de producción de datos" más óptimas para extraer en tiempo real los datos físicos más precisos y abundantes.
Asimismo, advirtió sobre la necesidad de ser cauteloso ante las expectativas excesivas y exageraciones actuales en la industria robótica. Aunque el control basado en IA demuestra una flexibilidad excepcional, presenta el problema de la "caja negra"—no se pueden comprender los mecanismos internos de funcionamiento—, lo que hace difícil identificar las causas cuando se producen fallos u errores. Enfatizó que debe llevarse a cabo investigación avanzada que combine el enfoque de control tradicional basado en modelos (Model-based), que se ha desarrollado durante los últimos cien años, con métodos basados en IA.
El profesor Hong concluyó que "el éxito de los humanoides y la IA física depende en última instancia de quién recopile y aplique de manera más eficiente los datos precisos del mundo real". Agregó que "la industria coreana debe maximizar sus fortalezas sustanciales en el terreno manufacturero para construir un ecosistema práctico de IA física".
* Este artículo ha sido traducido por IA.