ReactHuman: A Physics-Grounded Benchmark for Human-Like Reactive Decision-Making in Embodied Multimodal LLMs

Imagina una cocina donde una sartén pesada se resbala de un mostrador, o un pasillo donde un armario alto comienza a volcarse. En una fracción de segundo, el cerebro humano procesa el peligro visual, predice dónde aterrizará el objeto y ordena al cuerpo que lo atrape o que se haga a un lado. Esta reacción de una milésima de segundo no es solo un reflejo; es una fusión compleja de comprender qué es un objeto, saber qué tan pesado es y calcular exactamente hacia dónde irá. Mientras los científicos trabajan para construir robots que puedan vivir y trabajar junto a nosotros en nuestros hogares, se enfrentan a una pregunta crítica: ¿puede la inteligencia artificial aprender a reaccionar con esta misma velocidad y seguridad? Las pruebas actuales para estos sistemas inteligentes suelen pedirles que respondan preguntas sobre videos o que planifiquen tareas a largo plazo, como limpiar una habitación, pero estos métodos no prueban si una máquina puede tomar una decisión que salve vidas en el momento en que aparece un peligro.

Un nuevo estudio introduce una prueba rigurosa llamada ReactHuman, diseñada para ver si la inteligencia artificial puede actuar como un humano competente cuando se enfrenta a peligros físicos repentinos. Los investigadores construyeron un mundo simulado donde un robot digital está de pie en una habitación y observa una serie de eventos peligrosos, como un cuchillo que cae, un estante que se desliza o una pelota que rebota hacia él. El sistema pausa la simulación justo antes de que ocurra el desastre, mostrando al robot unos segundos del evento desde múltiples ángulos de cámara. La inteligencia artificial, actuando como el cerebro del robot, debe decidir qué hacer y emitir un comando específico: caminar hacia un nuevo lugar, estirar la mano para agarrar el objeto o quedarse quieto. A diferencia de las pruebas anteriores donde una computadora podría simplemente elegir la respuesta correcta de una lista, este sistema obliga al robot a realizar realmente la acción en una simulación de física. Si el robot decide atrapar un objeto que cae, la simulación se ejecuta para ver si su mano realmente encuentra el objeto a tiempo. Si decide esquivar, la simulación comprueba si el robot logra moverse de la trayectoria.

Los investigadores crearon más de mil escenas únicas que cubren diecisiete tipos diferentes de eventos repentinos, que van desde caídas simples hasta reacciones en cadena complejas donde un objeto que cae golpea a otro. Incluso incluyeron objetos "truco" que parecen una cosa pero se comportan como otra, como un yunque de espuma que parece pesado pero es ligero, o una manzana de acero que parece fruta pero es pesada y peligrosa. Esta configuración pone a prueba si el robot depende de cómo se ven las cosas o de cómo se mueven realmente. El equipo evaluó siete modelos diferentes de inteligencia artificial avanzada en esta tarea. Los resultados fueron desalentadores: los modelos fallaron en reaccionar correctamente aproximadamente una de cada tres veces. Cuando la acción correcta era alejarse del peligro, los robots a menudo se quedaban congelados en su lugar o intentaban atrapar el objeto, lo que conducía a resultados inseguros.

Quizás lo más revelador fue que los robots no parecían aprender de sus errores a medida que se hacían más grandes o complejos. Los modelos más grandes y potentes no eran significativamente más seguros o precisos que los más pequeños. En lugar de analizar la escena específica frente a ellos, cada modelo parecía tener una personalidad fija: algunos siempre preferían huir, mientras que otros siempre intentaban agarrar cosas, independientemente de si eso era lo correcto o no. Los robots también tuvieron dificultades para juzgar la velocidad. Podían notar si algo se movía, pero no podían determinar si se movía lenta o rápidamente, tratando a menudo un peligro de movimiento lento como si no fuera una amenaza en absoluto. Cuando los robots sí elegían la acción correcta, frecuentemente fallaban al ejecutarla, estirando la mano hacia un objeto pero deteniéndola un metro antes de donde debería estar.

El estudio concluye que, si bien estos sistemas de inteligencia artificial están mejorando su comprensión del mundo, todavía están lejos de poder reaccionar de forma segura ante peligros físicos repentinos. La investigación destaca que simplemente hacer los modelos más grandes no resuelve el problema de la seguridad. Para construir robots que realmente puedan vivir en nuestros hogares, los desarrolladores necesitarán enseñarles a confiar en lo que ven sucediendo en el momento, en lugar de depender de cómo se ve un objeto, y a aprender a juzgar la velocidad y la distancia con la misma precisión instintiva que poseen los humanos. Hasta entonces, la brecha entre una máquina que puede describir un objeto que cae y una que puede atraparlo de forma segura sigue siendo amplia.