OpenAI disolvió su equipo independiente de robótica y repartió sus funciones entre dos áreas más amplias de la empresa. La explicación oficial no es que se retire del sector, sino que busca avanzar más rápido: considera que sus modelos de frontera de propósito general ya pueden aplicarse directamente a algunas tareas robóticas, por lo que mantener un grupo separado dedicado a desarrollar modelos para robots podría no ser el camino más ágil.
1
8
Cómo quedó repartido el trabajo
Los investigadores de robótica pasaron al área principal de Investigación, bajo la dirección del director de investigación, Mark Chen. Los equipos de robótica aplicada y hardware se incorporaron a Applied, la organización encabezada por el presidente de OpenAI, Greg Brockman.
1
En la práctica, el cambio acerca la investigación robótica al desarrollo de modelos generales y ubica el trabajo de ingeniería y hardware en un área más amplia y orientada a la aplicación. Es una reorganización interna; por sí sola, no indica que OpenAI haya dejado de trabajar en robots.
De Sora a los modelos generales
A comienzos de 2026, investigadores de OpenAI habrían considerado que modelos de video como Sora podían servir de punto de partida para la robótica. Después, observaron resultados prometedores al aplicar directamente modelos de frontera de propósito general —entre ellos GPT-6 Astra— a ciertas tareas con robots. El cambio de estrategia consiste en probar si las capacidades de los modelos generales pueden trasladarse a robots, en vez de tratar la robótica como un esfuerzo de modelado separado.
8
Un referente citado para esta apuesta es una prueba simulada de manipulación atribuida a Nvidia: un agente impulsado por Astra logró un 74,8 % de éxito, frente al 51,0 % del mejor modelo especializado en robótica incluido en la comparación.
5
8
La diferencia es llamativa, pero el resultado corresponde a una simulación. No demuestra que un robot controlado por un modelo general vaya a operar de forma fiable en el mundo físico, con distintos equipos, entornos y tareas. Es un indicio favorable a la hipótesis de OpenAI, no una respuesta definitiva sobre su viabilidad en condiciones reales.
Los límites que siguen sobre la mesa
La idea de que los modelos generales pueden aportar más inteligencia a los robots no elimina las exigencias prácticas. Guanya Shi, según la cobertura secundaria, considera que la robótica podría estar dejando de ser un problema independiente para la investigación en IA. Esa misma cobertura señala, sin embargo, que hacen falta modelos más pequeños capaces de ejecutarse en el propio robot, sin depender de una conexión constante a internet.
21
37
También queda por resolver cuánto importa la experiencia adquirida en el mundo físico. Russ Tedrake ha sostenido, según los reportes, que las empresas de robótica pueden obtener una ventaja mediante los datos de despliegues reales. Pete Florence, por su parte, habría señalado que todavía no está claro qué enfoque de modelos terminará imponiéndose.
28
39
En otras palabras, la capacidad de un modelo, su integración con el hardware, su funcionamiento sin conexión y la experiencia práctica son desafíos distintos. Un buen resultado en una prueba simulada no los resuelve todos.
Qué indica —y qué no— la reorganización
La señal más clara es organizativa: OpenAI quiere que sus áreas principales de investigación y aplicación asuman una parte mayor del trabajo robótico, en lugar de mantener un equipo independiente. La empresa ya había colaborado con Figure, una startup de robots humanoides, para desarrollar modelos de IA para sus robots; esa colaboración terminó en febrero de 2025.
20
21
Además, según los reportes, OpenAI trabaja en su propio robot humanoide y apunta a una primera demostración pública en 2027. Se trata de una fecha objetivo para mostrarlo, no de un compromiso de lanzamiento comercial.
34
En conjunto, la estrategia parece apostar por modelos generales como base de la inteligencia del robot y por los equipos de aplicación e ingeniería para llevar esas capacidades a sistemas físicos. El resultado en simulación respalda la apuesta, pero no demuestra que ya no hagan falta modelos especializados, sistemas que funcionen en el dispositivo o experiencia obtenida en despliegues reales.