Cargando...
Client Challenge

Tecnología

Mientras buscabas a Pikachu, estabas entrenando a la IA: los datos de Pokémon GO ya guían robots

Lo que empezó como un juego para capturar criaturas virtuales en la calle podría terminar convirtiéndose en una de las bases tecnológicas para la próxima gran expansión de la robótica

Mientras buscabas a Pikachu, estabas entrenando a la IA: los datos de Pokémon GO ya guían robots istock

Cuando Pokémon GO llegó a los móviles en 2016, su impacto fue inmediato. En apenas dos meses alcanzó 500 millones de descargas, convirtiéndose en uno de los fenómenos tecnológicos más destacados del momento. Millones de personas comenzaron a recorrer calles, plazas y parques apuntando con la cámara del móvil a edificios o monumentos para encontrar criaturas virtuales y puntos de interés.

Lo que entonces parecía solo un juego basado en realidad aumentada terminó generando algo mucho más grande. Según ha revelado MIT Technology Review, la empresa Niantic, creadora del videojuego, ha aprovechado toda esa información recopilada por los jugadores para construir un auténtico “modelo del mundo”.

Esta iniciativa se desarrolla a través de Niantic Spatial, la división de inteligencia artificial que se separó de la compañía el año pasado. El objetivo es que las máquinas puedan interpretar y comprender el entorno físico gracias a las imágenes captadas por los propios usuarios mientras jugaban.

Un enorme mapa invisible creado por millones de jugadores

Los datos recopilados a través de Pokémon GO y de su juego anterior, Ingress, han permitido a Niantic crear el mayor conjunto de datos de visión geo-anclada jamás reunido.

La base incluye 30.000 millones de imágenes tomadas en más de un millón de ubicaciones mapeadas alrededor del planeta. Cada una de estas fotografías no solo muestra un lugar concreto, sino que además contiene información técnica muy precisa.

Entre los metadatos se encuentran elementos como el ángulo de la cámara, la hora exacta en que se tomó la imagen, las condiciones meteorológicas o la orientación y velocidad del dispositivo. Toda esta información convierte el archivo en una especie de diccionario visual extremadamente detallado del mundo real.

Superar las limitaciones del GPS

Uno de los motivos por los que este sistema resulta tan valioso tiene que ver con las limitaciones del GPS tradicional. Aunque es una herramienta esencial en los mapas actuales, su precisión puede verse afectada en zonas urbanas con muchos edificios altos.

En ciudades densas, las señales del GPS rebotan en las fachadas y pueden provocar errores de localización de hasta 50 metros. Para un usuario que camina por la calle, esto puede significar simplemente aparecer en la acera equivocada dentro de una aplicación de mapas.

Sin embargo, para los sistemas autónomos —como robots o vehículos— ese margen de error resulta demasiado grande y dificulta su funcionamiento.

De capturar Pokémon a guiar robots de reparto

Para mejorar la precisión, Niantic Spatial ha comenzado a colaborar con Coco Robotics, una empresa que opera robots de reparto en ciudades como Los Ángeles, Miami o Helsinki.

Estos pequeños vehículos —que ya han realizado más de medio millón de entregas— utilizan ahora el sistema de posicionamiento visual (VPS) desarrollado por Niantic. Gracias a sus cuatro cámaras integradas, los robots comparan lo que captan en tiempo real con la gigantesca base de datos de imágenes obtenidas a través de Pokémon GO.

De esta forma pueden ubicarse con una precisión de apenas unos centímetros, algo mucho más fiable que el GPS convencional.

Un paso clave para la robótica del futuro

El impacto de esta tecnología va más allá de mejorar la navegación de robots. Las grandes compañías de inteligencia artificial, como Google con su sistema Gemini, han comprobado que los modelos de lenguaje son muy avanzados procesando texto, pero todavía tienen dificultades para comprender cómo funciona el mundo físico.

El sistema desarrollado por Niantic pretende cubrir ese vacío mediante un mapa tridimensional y dinámico lleno de referencias visuales. Gracias a este tipo de datos, las máquinas podrían aprender a interpretar mejor los espacios reales.

Lo que empezó como un juego para capturar criaturas virtuales en la calle podría terminar convirtiéndose en una de las bases tecnológicas para la próxima gran expansión de la robótica.