Durant els darrers anys, la intel·ligència artificial (IA) ha fet avenços extraordinaris, sobretot amb el desenvolupament de models capaços de comprendre i generar llenguatge, imatges i altres continguts digitals. Ara bé, traslladar aquestes capacitats al món físic planteja reptes substancialment diferents. Una cosa és que un sistema d'IA expliqui com es fa una truita i una altra de ben diferent és que un robot sigui capaç d'entrar en una cuina, identificar-hi els ingredients, fer servir els estris i acabar la tasca de manera autònoma i segura.
Aquest és precisament l'àmbit de la intel·ligència artificial encarnada (embodied AI), un paradigma que estudia com els agents intel·ligents poden percebre el seu entorn, prendre decisions i interactuar-hi mitjançant accions. A diferència dels sistemes centrats exclusivament en el processament d'informació, la IA encarnada ha d'integrar percepció, raonament, planificació i control físic en un procés continu d'interacció amb l'entorn (Ma et al., 2026; Xiao et al., 2025).
Tot i això, aquesta transformació no s'ha d'entendre com una revolució sobtada. Fa dècades que els sistemes robòtics incorporen diverses capacitats d'automatització, percepció i decisió. El que observem és una evolució progressiva cap a màquines més autònomes i amb més capacitat d'adaptació, encara que no totes necessitaran el mateix nivell d'intel·ligència. Les seves capacitats dependran de les tasques que hagin de fer i de les característiques de l'entorn.
Per entendre aquesta evolució, analitzarem vuit preguntes fonamentals sobre les possibilitats, els límits i les conseqüències de la IA encarnada.
1. Què està canviant perquè els robots siguin cada vegada més intel·ligents?
La incorporació d'intel·ligència als sistemes robòtics no és un fenomen recent. Fa dècades que els robots industrials fan tasques de fabricació, muntatge i manipulació de materials, i la seva implantació continua creixent. Segons la Federació Internacional de Robòtica (2026), el nombre de robots industrials en funcionament va arribar aproximadament als cinc milions d'unitats el 2025.
Tradicionalment, bona part d'aquests sistemes s'han limitat a executar tasques específiques en entorns estructurats, on les condicions de funcionament són relativament previsibles. Els avenços recents en aprenentatge automàtic, visió artificial i models fonamentals permeten ampliar-ne les capacitats per interpretar informació, planificar moviments i respondre a situacions menys controlades. Com assenyalen Xiao et al. (2025), els models fonamentals contribueixen a una transició que va dels sistemes robòtics especialitzats a enfocaments amb més capacitat de generalització.
Aquesta evolució es pot observar en aparells quotidians com els robots aspiradors. Els primers models es basaven en estratègies de navegació relativament senzilles, mentre que els actuals poden incorporar tècniques de localització, construcció de mapes, reconeixement d'obstacles, planificació de recorreguts i fins i tot recollida d'objectes. Si s'hi afegeixen capacitats d'aprenentatge i de verificació, ens podem imaginar sistemes que no només executin instruccions, sinó que també avaluïn els resultats i ajustin el seu comportament.
Aquest plantejament està relacionat amb el desenvolupament d'agents robòtics capaços d'integrar percepció, planificació i execució en cicles d'interacció amb l'entorn. Salimpour et al. (2025) analitzen precisament com els models de llenguatge i els models de visió i llenguatge contribueixen a desenvolupar arquitectures robòtiques amb més autonomia.
Per tant, la intel·ligència robòtica no s'ha d'entendre com una característica de sí o no, sinó com un conjunt de capacitats que s'hi poden anar incorporant de mica en mica. Un robot especialitzat a transportar mercaderies no necessita les mateixes capacitats que un altre que hagi de fer tasques domèstiques variades. L'objectiu no és necessàriament desenvolupar robots amb intel·ligència general, sinó donar a cada sistema les capacitats que li calen per fer la seva feina de manera eficient i fiable.
2. Per què comprendre el llenguatge no és el mateix que comprendre el món?
Els grans models de llenguatge han demostrat una capacitat notable per identificar relacions i patrons en quantitats enormes d'informació. Però comprendre i generar llenguatge no garanteix tenir una representació prou precisa de les propietats físiques de l'entorn ni de les conseqüències de les nostres accions.
Pensem en una cosa tan senzilla com agafar un got de vidre. Un model de llenguatge pot explicar què passarà si cau a terra, però un robot ha d'identificar-ne la posició, calcular com s'hi ha d'acostar, determinar quanta força cal per agafar-lo i ajustar els moviments davant de possibles pertorbacions. Aquesta diferència mostra la distància entre el coneixement expressat amb paraules i les capacitats que exigeix la interacció física.
Una de les línies de recerca que intenten resoldre aquest problema és el desenvolupament de models del món (world models). Aquests models intenten aprendre representacions de la dinàmica de l'entorn que permetin anticipar com evolucionarà una situació segons les accions que es facin. LeCun (2022) va proposar una arquitectura per a sistemes intel·ligents autònoms en què els models predictius del món tenen un paper fonamental en la planificació i la presa de decisions.
Aquest enfocament és especialment interessant per a la robòtica, perquè un agent podria avaluar diverses accions abans d'executar-les físicament. Tanmateix, encara hi ha dificultats amb la precisió de les prediccions, la representació d'interaccions complexes i la capacitat d'anticipar esdeveniments durant períodes llargs.
L'interès per aquesta línia de recerca també es reflecteix en iniciatives empresarials recents. El 2026, Yann LeCun va impulsar la creació d'Advanced Machine Intelligence (AMI Labs), una empresa europea centrada en noves arquitectures d'intel·ligència artificial basades en models del món i en la planificació.
Ara bé, els models del món no s'han de veure com a substituts inevitables de les arquitectures basades en transformers. Els anomenats models de visió, llenguatge i acció (Vision-Language-Action, VLA) ja demostren que és possible connectar models multimodals amb sistemes de control robòtic. Treballs com RT-2 (Zitkovich et al., 2023) i Gemini Robotics (Gemini Robotics Team et al., 2025) mostren com aquests models poden traslladar a tasques físiques algunes capacitats de comprensió visual i semàntica.
En conseqüència, una de les principals qüestions de recerca és com es poden combinar la percepció, la representació de l'entorn, la predicció i la planificació per desenvolupar robots capaços d'actuar amb més autonomia i seguretat.
3. De debò necessitem robots amb aparença humana?
El desenvolupament de robots humanoides atreu molta atenció científica i empresarial. Però, des d'un punt de vista funcional, la forma d'un robot hauria de respondre sobretot a les tasques que ha de fer i a les característiques de l'entorn on ha de treballar.
En espais estructurats, com les fàbriques i alguns centres logístics, sol ser més eficient dissenyar sistemes especialitzats i adaptar l'entorn perquè funcionin millor. Els braços robòtics industrials en són un exemple clar. De la mateixa manera, els sistemes de cirurgia robòtica o els vehicles autònoms no necessiten reproduir l'anatomia humana per fer la seva funció.
La situació pot ser diferent en entorns pensats d'entrada per a les persones, com els habitatges, els edificis antics o algunes instal·lacions de serveis. En aquests casos, tenir extremitats i capacitats de manipulació semblants a les humanes podria facilitar l'ús d'eines, obrir portes o moure's per espais poc adaptats a altres formes.
Tanmateix, l'aparença humanoide també comporta dificultats afegides, sobretot pel que fa a caminar sobre dues cames, l'equilibri, el consum d'energia i la complexitat del control. La bibliografia sobre aprenentatge robòtic mostra que aconseguir moviments robustos i que funcionin en situacions reals continua sent un repte important (Tang et al., 2025).
Per tant, no hi ha cap raó tecnològica per donar per fet que tots els robots avançats tindran forma humana. És previsible que es continuïn desenvolupant solucions especialitzades, mòbils, manipuladores i híbrides, al costat de robots humanoides destinats als contextos en què la seva forma els doni avantatges concrets.
L'objectiu no hauria de ser construir robots que s'assemblin als humans, sinó desenvolupar sistemes capaços de moure's i actuar amb eficàcia en els entorns on han de treballar.
4. On veurem primer els robots intel·ligents i quines tasques podran fer?
La implantació de la IA encarnada dependrà tant de la viabilitat tecnològica com de les característiques econòmiques i operatives de cada sector. Els entorns industrials i logístics ofereixen condicions especialment favorables per incorporar-hi noves capacitats d'autonomia, perquè permeten controlar algunes variables, establir procediments de seguretat i avaluar amb relativa facilitat el rendiment dels sistemes.
A les fàbriques, els models d'aprenentatge robòtic poden ajudar a desenvolupar sistemes més flexibles per a tasques de manipulació, muntatge i inspecció. Als centres logístics, les aplicacions inclouen el transport de mercaderies, la preparació de comandes i la manipulació d'objectes diversos. La revisió de Tang et al. (2025) documenta avenços de l'aprenentatge per reforç profund en tasques robòtiques reals, però també hi identifica dificultats importants per generalitzar els resultats a situacions noves.
L'agricultura és un altre àmbit prometedor, sobretot per a sistemes d'identificació de conreus, inspecció, collita selectiva i manipulació de productes. Ara bé, la variabilitat del terreny, la meteorologia i la diversitat de materials són obstacles importants per aconseguir un funcionament prou robust, llevat de les grans planes.
Als hospitals, la robòtica ofereix possibilitats en la logística interna, la rehabilitació, l'assistència i alguns procediments clínics. En molts casos, el valor més gran d'aquestes tecnologies podria ser complementar la feina dels professionals i reduir-los la càrrega de tasques repetitives, més que no pas substituir les activitats que requereixen judici clínic i interacció humana.
Les llars són un escenari especialment complex, per la seva variabilitat i perquè cal manipular objectes diferents en espais compartits amb persones. Encara que els models VLA amplien la capacitat d'executar tasques a partir d'instruccions generals (Ma et al., 2026), encara hi ha limitacions rellevants de precisió, robustesa i adaptació.
Des d'un punt de vista econòmic, cal distingir entre la viabilitat d'una demostració experimental i la utilitat d'un sistema comercial. La qüestió fonamental no és només si un robot pot fer una tasca, sinó si la pot repetir de manera fiable, segura i a un cost competitiu. Aquesta distinció serà determinant per entendre el ritme real d'adopció de la intel·ligència artificial encarnada.
5. Quines empreses encapçalen la cursa per la robòtica intel·ligent?
La IA encarnada impulsa la convergència entre les empreses tradicionals de robòtica, els fabricants de maquinari i les organitzacions especialitzades en models fonamentals. Aquest fenomen dona lloc a dues grans línies de desenvolupament: la construcció de plataformes físiques capaces d'actuar en l'entorn i el disseny de models d'intel·ligència artificial que permetin controlar-les.
Entre els fabricants de robots humanoides destaquen Boston Dynamics, Tesla, Figure AI, Agility Robotics i Unitree Robotics. A Europa, empreses com PAL Robotics participen en el desenvolupament de plataformes robòtiques per a la recerca i per a aplicacions professionals. Tanmateix, aquestes organitzacions tenen graus de maduresa tecnològica diferents, i és important distingir entre prototips experimentals, programes pilot i desplegaments comercials.
Una segona línia de recerca se centra en els models fonamentals aplicats a la robòtica. Google DeepMind ha desenvolupat sistemes com RT-2 i Gemini Robotics, mentre que NVIDIA impulsa plataformes d'aprenentatge i simulació per a robots. Aquestes iniciatives estan relacionades amb el paradigma VLA, que vol integrar la percepció visual, la comprensió d'instruccions i la generació d'accions dins d'arquitectures compartides (Ma et al., 2026).
Els treballs sobre RT-2 (Zitkovich et al., 2023) i Gemini Robotics (Gemini Robotics Team et al., 2025) en són exemples rellevants. Per la seva banda, la recerca de LeCun (2022) representa una línia conceptual diferent, centrada en l'aprenentatge de representacions predictives de l'entorn.
El futur del sector podria caracteritzar-se per una especialització creixent entre fabricants de robots, desenvolupadors de models i proveïdors d'infraestructures de càlcul. Però encara no hi ha prou proves per saber quines arquitectures o quins models empresarials dominaran el mercat.
6. Per què costa tant ensenyar a un robot tasques que per a nosaltres són senzilles?
Una de les grans paradoxes de la intel·ligència artificial actual és que els sistemes informàtics han aconseguit resultats excel·lents en algunes tasques de processament d'informació, mentre que activitats físiques aparentment senzilles continuen sent problemes complexos.
Recollir una samarreta de terra n'és un bon exemple. Un robot ha d'identificar la peça de roba, trobar els punts adequats per agafar-la i controlar els moviments tenint en compte que és un objecte deformable. A diferència dels objectes rígids, la roba canvia de forma mentre la manipules, i això fa més difícil planificar i executar els moviments.
L'aprenentatge robòtic ha d'integrar informació visual, sensors, control motor i mecanismes d'adaptació. A més, necessita dades específiques sobre interaccions físiques, que són molt més cares d'obtenir que els textos i les imatges disponibles a internet. Iniciatives com Open X-Embodiment han intentat resoldre aquest problema combinant dades de plataformes robòtiques i tasques diferents (Open X-Embodiment Collaboration, 2024).
Una de les estratègies més utilitzades per reduir els costos de l'entrenament és desenvolupar les pautes de control en simulació. Els entorns virtuals permeten generar experiències, assajar moviments i aplicar tècniques d'aprenentatge per reforç sense assumir tots els riscos de l'experimentació física.
Però aprendre a fer una tasca en un entorn simulat no garanteix poder-la fer correctament en el món real. Les diferències d'il·luminació, materials, sensors i propietats físiques introdueixen el que es coneix com a bretxa entre la simulació i la realitat (reality gap). Tiwari et al. (2026) identifiquen aquesta bretxa com un dels principals reptes de l'aprenentatge robòtic i repassen les tècniques que intenten reduir-la.
A aquestes dificultats s'hi afegeixen les limitacions de càlcul, d'autonomia energètica i de comunicacions. Els sistemes robòtics han de processar informació i prendre algunes decisions en temps real, sobretot quan hi ha risc de col·lisió o de perdre l'estabilitat. Per tant, el desenvolupament de robots autònoms exigeix combinar els avenços en intel·ligència artificial amb millores en enginyeria de control, electrònica i sistemes informàtics.
7. Quins riscos socials, laborals i de seguretat comporta la IA encarnada?
La integració de la intel·ligència artificial en sistemes físics introdueix riscos afegits respecte als models exclusivament digitals. Un error en un text generat es pot revisar abans de fer-lo servir, mentre que una decisió equivocada durant el moviment d'un robot pot causar danys materials o personals.
Aquesta diferència obliga a incorporar criteris de seguretat des de les primeres fases del disseny. La revisió de Xing et al. (2026) identifica vulnerabilitats associades tant als mateixos models d'intel·ligència artificial com a la seva integració amb sensors, actuadors i entorns físics. Així mateix, Duan et al. (2026) analitzen els reptes de seguretat que comporta incorporar models de visió i llenguatge als sistemes robòtics.
La privacitat és una altra preocupació rellevant. Els robots domèstics i assistencials poden necessitar càmeres, micròfons i sensors capaços d'enregistrar informació sobre persones, espais i comportaments quotidians. Caldrà, doncs, establir mecanismes adequats de protecció de dades, limitar la informació recollida i garantir la seguretat amb què s'emmagatzema i es transmet.
Els riscos tenen una dimensió especialment delicada en les aplicacions militars. La robòtica autònoma pot contribuir a tasques d'exploració, transport de subministraments o desactivació d'explosius, però també es pot incorporar a sistemes d'armament. En aquest context, és fonamental distingir entre l'autonomia necessària per executar moviments i l'autonomia per prendre decisions sobre l'ús de la força.
En l'àmbit laboral, la incorporació de sistemes robòtics més autònoms pot transformar tasques, modificar processos productius i generar noves demandes professionals. Ara bé, la magnitud i la direcció d'aquests canvis dependran de factors econòmics, tecnològics, organitzatius i reguladors, de manera que no és adequat fer prediccions generals sobre la substitució de llocs de treball.
La formació hi tindrà un paper essencial. El desenvolupament de la IA encarnada requereix equips multidisciplinaris d'especialistes en robòtica, electrònica, telecomunicacions, intel·ligència artificial, ciència de dades i ciberseguretat. Espanya té una oferta universitària consolidada en diverses d'aquestes disciplines, i moltes universitats fa anys que impulsen programes especialitzats en aquestes tecnologies.
El repte formatiu principal no serà només ensenyar a fer servir les eines actuals, sinó proporcionar els fonaments científics, tècnics i ètics necessaris per desenvolupar, avaluar i supervisar tecnologies en evolució constant.
8. Quant falta perquè convivim amb robots de debò intel·ligents?
Per saber quan tindrem robots de debò intel·ligents, primer cal definir quines capacitats n'esperem. Si pensem en sistemes capaços de fer tasques específiques amb un cert grau d'autonomia, fa dècades que són entre nosaltres. En canvi, si pensem en robots capaços de fer una gran varietat d'activitats en espais desconeguts i canviants, encara hi ha reptes científics i tecnològics importants.
La bibliografia recent mostra avenços rellevants en integració multimodal, transferència d'aprenentatge i planificació robòtica (Ma et al., 2026; Tang et al., 2025). Però també hi identifica limitacions de generalització, robustesa, disponibilitat de dades, seguretat i execució de tasques llargues sense intervenció humana.
Per tant, no sembla raonable veure l'evolució de la IA encarnada com un esdeveniment sobtat. És més probable que assistim a una incorporació gradual de noves capacitats a aparells especialitzats i, després, a plataformes més versàtils. A més, el grau d'autonomia necessari serà diferent en cada aplicació.
Aquesta perspectiva ajuda a evitar una confusió freqüent entre la intel·ligència robòtica i la reproducció de capacitats humanes generals. Un sistema especialitzat pot ser extraordinàriament eficaç sense necessitat d'entendre situacions alienes a la seva funció. En conseqüència, el desenvolupament tecnològic s'hauria d'avaluar per la seva capacitat de resoldre problemes concrets, no només per com s'assembla a les persones.
La intel·ligència artificial ja ha transformat de manera significativa la nostra relació amb la informació. La IA encarnada obre la possibilitat de traslladar una part d'aquestes capacitats al món físic, tot i que el seu desenvolupament dependrà de nous avenços en percepció, aprenentatge, planificació, control i seguretat.
El progrés de debò no consistirà necessàriament a aconseguir robots que reprodueixin el comportament humà, sinó a desenvolupar sistemes capaços de fer tasques útils, d'adaptar-se al seu entorn i de funcionar de manera fiable, segura i econòmicament viable.