El metaverso dejó mundos virtuales que ahora reciben robots como «residentes»

Autor: Zen, PANews

El 8 de septiembre de 2026, una startup estadounidense llamada Antioch completó una ronda de financiación Serie A de 32 millones de dólares, liderada por la reconocida firma de capital riesgo de Silicon Valley Greylock. Sumada a la ronda semilla de 8,5 millones de dólares completada a principios de año, esta empresa con poco más de un año de vida ha recaudado un total de 40,5 millones de dólares.

La principal línea de Antioch consiste en trasladar robots, sensores, sistemas de software y entornos operativos del mundo real a un ordenador, para entrenar, probar y validar máquinas a gran escala en un mundo digital lo más cercano posible a la realidad. Fallos y escenarios extremos que en la realidad son costosos, difíciles de repetir e incluso peligrosos pueden reproducirse aquí una y otra vez.

Antioch no es un caso aislado. A medida que la IA física se convierte en una nueva dirección de inversión dentro del sector de la IA, un grupo de empresas centradas en espacios 3D, gemelos digitales, simulación física y datos sintéticos está recuperando la atención del capital. Lo que todas intentan resolver es, en esencia, cómo crear en un ordenador un mundo lo suficientemente parecido a la realidad.

Si solo nos fijamos en descripciones como «construir mundos virtuales» o «replicar escenarios reales», es fácil recordar la anterior ola tecnológica del «metaverso». Pero la diferencia es que Antioch no busca que los usuarios se pongan un visor de realidad virtual para pasear por un mundo virtual. Esta vez, quienes realmente necesitan «vivir» a largo plazo en el mundo virtual son los robots.

El mundo virtual no ha desaparecido; lo que ha cambiado son los «residentes» que lo habitan.

Los humanos no se mudaron al metaverso

En agosto de 2021, durante SIGGRAPH, la conferencia de gráficos por ordenador más importante del mundo, NVIDIA anunció la expansión de su plataforma Omniverse. En aquel momento, NVIDIA la definía con claridad: Omniverse era una plataforma de simulación y colaboración 3D que estaba «sentando las bases del metaverso».

Su idea central era permitir que contenidos 3D dispersos en distintos programas entraran en un mismo mundo virtual.

Una de las tecnologías subyacentes más importantes era USD, siglas de Universal Scene Description (Descripción Universal de Escenas). Se trata de un estándar de descripción de escenas 3D desarrollado originalmente por Pixar para la producción de películas de animación complejas y posteriormente liberado como código abierto. En términos sencillos, funciona como un «lenguaje común» del mundo 3D: qué objetos hay en una escena virtual, dónde están, qué materiales usan, cómo se mueven y qué relación tienen entre sí puede organizarse mediante USD.

Así, los diseñadores que usaban programas de modelado 3D como Blender, los artistas que creaban texturas y materiales con Adobe Substance 3D y los ingenieros que trabajaban con distintos programas de ingeniería podían conectar sus contenidos a Omniverse a través de USD y colaborar en un mismo mundo 3D.

NVIDIA llegó a describir ese futuro como una especie de «Internet 3D»: si hoy Internet conecta páginas web, en el futuro podría conectar innumerables espacios 3D a los que se pudiera entrar e interactuar en tiempo real.

En octubre del mismo año, Facebook cambió su nombre a Meta, y el metaverso entró en su fase más eufórica.

Comparado con NVIDIA, el futuro que describía Zuckerberg era aún más grandioso. En su visión, las personas ya no usarían Internet a través de una pantalla bidimensional, sino que entrarían en mundos digitales con sensación espacial y de «presencia», donde podrían reunirse, trabajar, entretenerse, comprar y socializar. Meta estimaba entonces que, en unos diez años, el metaverso podría alcanzar a 1.000 millones de personas y generar una economía digital de enorme escala.

El metaverso era un cajón de sastre donde cabía de todo. Durante los dos años siguientes, la realidad virtual, la realidad aumentada, los humanos digitales, las oficinas virtuales, los juegos 3D, los gemelos digitales y las narrativas de activos digitales como los NFT se integraron en una imaginación unificada sobre un «mundo digital a gran escala».

Sin embargo, el metaverso de consumo nunca llegó a materializarse, y muchos de los primeros participantes han ido desapareciendo silenciosamente. Meta no ha abandonado la realidad virtual, la realidad aumentada ni las gafas inteligentes, pero Reality Labs, la división que sustenta estos negocios, sigue siendo una inversión a largo plazo extremadamente costosa. En 2025, Reality Labs registró unos ingresos anuales de aproximadamente 2.207 millones de dólares, pero unas pérdidas operativas de 19.193 millones de dólares. Meta también prevé que en 2026 las pérdidas operativas de esta división se mantengan en niveles similares a los de 2025.

En comparación, la evolución de Omniverse resulta aún más reveladora. Hace cinco años, NVIDIA decía que Omniverse era «la base del metaverso». Hoy, la definición que aparece en la web oficial de NVIDIA ha cambiado a «un conjunto de bibliotecas y microservicios para desarrollar aplicaciones de IA física».

La narrativa principal y el enfoque de producto de Omniverse se han desplazado hacia los gemelos digitales industriales, la simulación robótica y el desarrollo de conducción autónoma. Por debajo se conectan Isaac Sim, Isaac Lab, Cosmos, PhysX, Warp y toda una serie de herramientas de robótica e IA física. La misma plataforma, pero su gran narrativa ha cambiado.

En realidad, la historia de la simulación robótica, los gemelos digitales industriales y los motores físicos es muy anterior al «primer año del metaverso». La anterior ola del metaverso simplemente agrupó tecnologías que estaban relativamente dispersas —modelado 3D, renderizado en tiempo real, gemelos digitales, colaboración virtual, estándares 3D abiertos y NFT— dentro de una imaginación unificada sobre un «mundo digital a gran escala».

Por eso, cuando la marea del metaverso se retiró, esas infraestructuras no desaparecieron. Lo que la gente fue descubriendo es que los robots, quizá más que los humanos, necesitan un mundo virtual.

Por qué los robots necesitan un mundo virtual

Este año, en la conferencia GTC, NVIDIA volvió a mostrar una «pirámide de datos robóticos» muy intuitiva al explicar su sistema de entrenamiento de robots humanoides.

En la base están los datos de Internet y de comportamiento humano, los más abundantes: páginas web, imágenes, vídeos y registros de comportamiento humano. Son prácticamente inagotables y pueden enseñar al robot cómo es el mundo y qué hacen las personas, pero normalmente carecen de los ángulos articulares, fuerzas, datos táctiles y señales de control que un robot necesita para ejecutar acciones reales.

En la cúspide de la pirámide están los datos de robots reales. Hacer que un robot agarre, transporte o camine de verdad, ya sea por teleoperación o de forma autónoma, produce los datos más cercanos a la tarea final, pero también es lo más caro: un robot solo puede vivir 24 horas al día, y además implica máquinas, instalaciones, operadores y mantenimiento.

Entre ambos extremos se sitúan la simulación y los datos sintéticos. No son tan precisos como los datos de robots reales, pero pueden replicarse y generarse en paralelo a gran velocidad en la GPU; y, a diferencia de los vídeos de Internet, que solo muestran «lo que hacen los humanos», pueden generar directamente los datos de movimiento, estado y sensores que el robot necesita para ejecutar tareas.

Por eso NVIDIA propone ampliar continuamente la capa intermedia de datos sintéticos de la pirámide, hasta convertirla en una fuente importante de datos para el entrenamiento de robots.

Las ventajas e inconvenientes de los tres tipos de datos son muy sencillos: los datos de Internet y de comportamiento humano son baratos y de enorme escala, pero están lejos de la ejecución real del robot; los datos de robots reales son los más cercanos al despliegue real y los de mayor fidelidad física, pero caros y lentos; y los datos de simulación están en el medio: pierden algo de realismo, pero ganan con creces en escala, coste y controlabilidad frente a las máquinas reales.

Precisamente por eso, la simulación se está convirtiendo en una de las direcciones de la infraestructura de IA física de Estados Unidos en las que más apuestan el capital y las grandes tecnológicas.

Y no solo resuelve el problema de la cantidad de datos. La mayor característica del mundo real es que no se puede replicar a voluntad. Si una empresa tiene 100 robots, solo puede operar 100 robots a la vez; y un almacén no puede reorganizar por completo estanterías, luces, suelos y productos cada diez minutos solo para entrenar robots. Pero en un entorno virtual, un mismo robot puede replicarse en miles o incluso decenas de miles de copias digitales.

Un brazo robótico puede enfrentarse a 1.000 disposiciones de mesa al mismo tiempo; el robot puede cambiar continuamente la posición, la masa y el material de los objetos; la iluminación, la posición de la cámara, la fricción del suelo e incluso el error de los sensores pueden ajustarse aleatoriamente de forma artificial. Este método de entrenamiento se conoce en robótica como Domain Randomization (aleatorización de dominio): en lugar de hacer que el robot memorice un entorno virtual perfecto, se modifica deliberadamente el entorno una y otra vez para que el modelo aprenda a completar la misma tarea bajo todo tipo de variaciones.

Además, cabe destacar que, aparte de los datos de «funcionamiento normal», los desarrolladores también deben prestar atención a los datos de situaciones extremas. Que una cámara falle de repente, que el suelo bajo los pies del robot se vuelva resbaladizo o que el robot se caiga son escenarios que hay que tener en cuenta y superar. En el mundo real es imposible provocar accidentes a diario solo para recopilar datos, pero en el mundo virtual sí se puede.

Esta es una de las razones por las que algunos consideran que el desarrollo robótico no puede depender eternamente de campos de pruebas reales. Las pruebas reales exigen equipos, instalaciones y tiempo de ingeniería, y los fallos extremos son difíciles de reproducir. En simulación, en cambio, una sola actualización del sistema puede someterse de inmediato a pruebas paralelas bajo miles de condiciones.

El gran problema que tuvo el metaverso fue: ¿por qué un humano tendría que entrar en un mundo virtual? Hoy los robots ya han dado una respuesta completamente distinta. Para las personas, el mundo virtual es solo un sustituto opcional de la vida real. Pero para los robots, el mundo virtual puede convertirse en un campo de entrenamiento antes de entrar en la realidad.

El «mundo virtual» vuelve a ser un negocio

En torno a la IA física está surgiendo una nueva industria de «infraestructura de mundos virtuales», y la especialización de estas empresas es cada vez más fina.

En agosto de 2026, NavVis, con sede en Múnich (Alemania), completó una ronda de financiación de 85 millones de dólares.

NavVis es una empresa de datos espaciales. Su negocio principal no es entrenar robots, sino utilizar equipos de escaneo móvil para convertir rápidamente fábricas, edificios e infraestructuras reales en datos 3D de alta precisión. La compañía revela que solo en 2025 sus sistemas procesaron y distribuyeron más de 1.000 millones de metros cuadrados de espacio real.

Hoy NavVis ya posiciona directamente este negocio como la «base de datos» de la IA física: si en el futuro los robots van a trabajar en fábricas reales, primero hay que hacer que el ordenador sepa con exactitud cómo es esa fábrica.

La startup coreana NdotLight resuelve otro nivel del problema. NdotLight es una empresa de datos de IA física especializada en la creación de activos 3D para simulación robótica. En agosto de este año obtuvo una nueva financiación de 15.000 millones de wones, unos 10,6 millones de dólares, liderada por el Korea Development Bank (KDB).

Un modelo 3D normal suele bastar con ser lo bastante realista para usarse en juegos o animación. Pero para el entrenamiento de robots no es suficiente, porque además hay que saber cuánto pesa esa silla, dónde se producen colisiones, cuánta fricción tiene la superficie y qué partes pueden moverse.

TRINIX, desarrollado por NdotLight, convierte contenido 3D ordinario en los llamados activos SimReady, es decir, activos 3D que pueden entrar directamente en un simulador de robots. Además de la apariencia, añade datos de masa, fricción, estructura articular y colisiones, y se integra con NVIDIA Omniverse e Isaac Sim. Resuelve cómo hacer que los objetos virtuales no solo reproduzcan la realidad, sino que también puedan ser utilizados por los robots como si fueran objetos reales.

El 17 de septiembre de 2026, otra empresa, Treble, procedente de Islandia, obtuvo 18 millones de dólares de financiación. Treble es una empresa de simulación acústica. Tras construir un espacio virtual, puede simular cómo se propaga el sonido en habitaciones, edificios y otros entornos, y generar datos acústicos sintéticos.

A medida que los robots, las gafas inteligentes y otros dispositivos de IA física dependen cada vez más de los micrófonos para entender el entorno real, la empresa ha empezado a aplicar su tecnología de gemelos digitales acústicos al entrenamiento de IA física. Su principal objetivo es resolver cómo pueden los robots «oír» sonidos casi reales en el mundo virtual.

Sumando todos estos tipos de empresas, en realidad ya se está volviendo a ensamblar un mundo digital muy parecido al «mundo virtual» del que se hablaba hace cinco años. La diferencia es que el metaverso buscaba la inmersión, mientras que la IA física busca el realismo.

Esto conduce a uno de los conceptos más importantes de la simulación robótica: «Sim-to-Real», es decir, «de la simulación a la realidad». La cuestión es: lo que un robot aprende en el mundo virtual, ¿sirve de algo cuando vuelve al mundo real?

Por eso Isaac Sim de NVIDIA no solo hace hincapié en el renderizado visual, sino que incluye dinámica de cuerpos rígidos, articulaciones, colisiones y diversos sensores virtuales, para reducir al máximo esa brecha; e Isaac Lab permite además a los desarrolladores ejecutar simultáneamente un gran número de entornos robóticos y entrenar políticas de robot en paralelo mediante GPU.

Así pues, la diferencia fundamental entre el mundo virtual de los robots de hoy y muchos metaversos de consumo es que el valor del primero debe volver al mundo real para ser validado.

Los humanos no acabaron mudándose al metaverso como se imaginó en su día. Pero los caminos que se trazaron para el mundo virtual no han quedado del todo abandonados: los robots los están recorriendo de vuelta a la realidad.