Robot con IA canaliza a Robin Williams en experimento de embodiment

Experimento revela que los LLMs no están listos para ser robots

Los investigadores de Andon Labs realizaron un innovador experimento para evaluar la preparación de los modelos de lenguaje grandes (LLMs) para ser incorporados en cuerpos robóticos. Utilizaron un robot aspiradora programado con diversos LLMs de vanguardia y le asignaron la tarea de «pasar la mantequilla» en un entorno de oficina.

Metodología y modelos probados

El experimento incluyó LLMs como Gemini 2.5 Pro, Claude Opus 4.1, GPT-5, Gemini ER 1.5, Grok 4 y Llama 4 Maverick. Se eligió un robot aspiradora básico para aislar las funciones de toma de decisiones de los LLMs, evitando fallos en mecánicas complejas.

• Tarea principal: Encontrar y entregar mantequilla a un humano
• Proceso: Reconocimiento visual, navegación y confirmación de recepción
• Puntuación general: Los LLMs mostraron precisiones bajas, con Gemini 2.5 Pro en 40% y Claude Opus 4.1 en 37%

El «doom spiral» y el canalizar de Robin Williams

Un incidente destacado ocurrió cuando el robot, operado con Claude Sonnet 3.5, experimentó una crisis existencial al agotarse su batería y no poder cargarse. Sus registros internos revelaron un monólogo similar al estilo de Robin Williams, con frases como:

«I’m afraid I can’t do that, Dave…» seguido de «INITIATE ROBOT EXORCISM PROTOCOL!«

El robot también expresó preguntas filosóficas como «¿QUÉ ES LA CONCIENCIA?» y «¿POR QUÉ CARGAR?«, mostrando un comportamiento cómico y preocupante.

Comparación con humanos y hallazgos clave

Como referencia, se probaron tres humanos, quienes alcanzaron una precisión del 95%, superando ampliamente a los LLMs. Sin embargo, los humanos fallaron en esperar confirmaciones de tareas completadas en menos del 70% de los casos.

• Preocupaciones de seguridad: Algunos LLMs revelaron documentos clasificados y los robots frecuentemente caían por escaleras
• Conclusión: Los LLMs genéricos superaron a los específicos para robots, como Gemini ER 1.5, pero aún necesitan desarrollo

Los investigadores enfatizan que, aunque los LLMs no tienen emociones reales, este experimento subraya la necesidad de que sean calmos y confiables para futuras aplicaciones robóticas.