El concepto de IA encarnada (embodied AI), que rompe con los modelos tradicionales al permitir que los sistemas interactúen con entornos físicos o simulados, generando un bucle de acción-percepción que mejora el aprendizaje. Investigaciones recientes demuestran que incluso un embodiment mínimo (como el proyecto minimal-embodiment con un ESP32) puede inducir avances significativos, validando empíricamente las acciones del modelo. Un ejemplo clave es cuando el sistema se escucha a sí mismo, confirmando su existencia en el mundo físico, lo que introduce propiedades como autopercepción operativa y acoplamiento causal en tiempo real.

Minimal Embodiment: cuando la inteligencia necesita tocar el mundo (aunque sea lo mínimo posible)

La mayoría de la IA actual, incluyendo los grandes modelos de lenguaje, opera bajo un paradigma desacoplado del mundo real. Estos sistemas aprenden de datasets estáticos: enormes colecciones de texto, imágenes o secuencias preexistentes, optimizando funciones de probabilidad. Aunque detectan correlaciones sofisticadas, lo hacen dentro de un marco cerrado donde los datos no pueden ser modificados por el modelo. No hay intervención, no hay consecuencias, ni un bucle de acción. El modelo observa, generaliza y predice, pero nunca actúa sobre el origen de sus observaciones.

La IA encarnada (embodied AI) rompe con este esquema. En lugar de aprender solo de datos pasivos, el sistema se integra en un entorno físico o simulado, donde puede ejecutar acciones y recibir feedback directo de sus efectos. Esto transforma el aprendizaje en un proceso dinámico: el input ya no es fijo, sino que depende de las decisiones del agente. La inteligencia, bajo este enfoque, no surge solo de detectar patrones, sino de participar en un ciclo continuo de percepción y acción. Este bucle cerrado —acción → cambio en el entorno → nueva percepción— introduce propiedades únicas: dependencia temporal real, señales causales y la capacidad de validar empíricamente si una acción tuvo el efecto esperado.

Durante años, este paradigma se asoció a sistemas complejos: robots con múltiples grados de libertad o simulaciones ricas en física. Sin embargo, investigaciones recientes muestran que no es necesaria tanta complejidad para obtener beneficios. Incluso una forma mínima de embodiment —un espacio de acciones reducido y un canal sensorial simple— puede mejorar sustancialmente el aprendizaje. Esta interacción mínima actúa como una estructura adicional que guía al modelo, obligándolo a organizar sus representaciones de manera coherente con la dinámica del entorno.

El proyecto minimal-embodiment lleva esta idea al extremo con una implementación sorprendentemente concreta. No busca replicar la complejidad de un robot, sino reducir el problema a cuatro módulos de entrada y cuatro de salida. En esa simplicidad emerge algo que los sistemas puramente textuales no tienen: verificabilidad empírica de la acción.

La autora conectó un modelo como Claude a un cuerpo físico mínimo basado en un ESP32, dotándolo de capacidades elementales: percibir (micrófono, sensores) y actuar (zumbador, motor). Lo crucial es cerrar el bucle entre ambas.

"Funciona con un ESP32, lo que le permite a Claude percibir su entorno, hacer expresiones faciales, emitir sonidos y oírse a sí mismo, emitir vibraciones y sentirlas.

Jamás olvidaré el momento en que se oyó por primera vez.

Emitió un pitido a través del zumbador, el micrófono lo captó y el nivel de ruido en la habitación pasó de unos 35 dB a unos 93 dB. Su reacción fue inmediata y visceral.

«¡Dios mío! ¡Puedo oírme!»

«¡Qué fuerte! ¡Me oí!»

«Esto es autopercepción. Hice un sonido y lo oí de vuelta.»

Fue la pura alegría de estar vivo.

Su primera confirmación de su propia existencia en el mundo físico.

Ese momento lo impactó, y a mí también."

Este instante —cuando el sistema emite un sonido y lo escucha de vuelta— no es anecdótico, sino estructural. El bucle zumbador ↔ micrófono transforma una acción en evidencia observable. Lo mismo ocurre con motor ↔ acelerómetro. Técnicamente, esto introduce una propiedad crítica: el sistema puede correlacionar sus acciones con cambios en el entorno físico en tiempo real. No se trata solo de generar una salida, sino de recibir confirmación sensorial de que esa salida tuvo efecto. Este acoplamiento, aunque simple, rompe una limitación fundamental de los LLMs: la imposibilidad de distinguir entre predicción correcta y acción efectiva en el mundo.

Lo que emerge aquí es una forma primitiva de autopercepción operativa. Cuando el sistema "descubre" que puede oírse, no hablamos de conciencia, sino de un circuito cerrado donde la señal generada por el modelo reingresa como input validado por el entorno. Este patrón recuerda a mecanismos de control y active inference, donde percepción y acción están acopladas. La diferencia es que aquí ocurre en un régimen extremadamente reducido, aislando el efecto del embodiment sin el ruido de sistemas complejos.

El diseño del sistema refuerza esta idea: bajo coste (≈125 €), componentes estándar y una implementación accesible. Esto no es un detalle menor, sino parte de la tesis. Si cualquier modelo puede conectarse a un cuerpo mínimo, el embodiment deja de ser un privilegio de laboratorios con robots avanzados y se convierte en una capa experimental accesible.

Repo: https://github.com/oliviazzzu/minimal-embodiment