La startup neoyorquina Antioch ha levantado una ronda semilla de 8,5 millones de dólares, que la valora en 60 millones, para desarrollar simulaciones de alta fidelidad destinadas a entrenar robots y otros sistemas autónomos. Su objetivo es reducir al mínimo la llamada brecha “sim-to-real”: la diferencia entre el comportamiento de un robot en un entorno virtual y en el mundo físico.

Hoy, muchas empresas de robótica dependen de costosos almacenes de prueba, fábricas vigiladas y flotas de vehículos llenos de sensores para recopilar datos, algo solo al alcance de grandes compañías como los actores del coche autónomo. Antioch propone lo contrario: que la mayor parte del desarrollo se haga en software, con réplicas digitales de los robots y de sus sensores, capaces de generar datos, probar casos extremos y entrenar modelos mediante aprendizaje por refuerzo.

Fundada en 2023 por Harry Mellsop y otros cuatro cofundadores con experiencia en Chainalysis, Meta Reality Labs y Google DeepMind, la empresa construye su plataforma sobre modelos de simulación de actores como Nvidia y World Labs, y añade librerías específicas para distintos tipos de robots. Esa base común, alimentada por el uso de múltiples clientes, pretende ofrecer una simulación más rica y precisa que la que podría desarrollar por sí sola cada compañía de robótica.

Inversores como Category Ventures subrayan que, a diferencia del software puro, en la robótica los errores tienen consecuencias físicas, por lo que la fiabilidad del simulador es crítica. Por ahora, Antioch se centra sobre todo en sistemas de percepción y sensores para vehículos autónomos, maquinaria agrícola y de construcción o drones, aunque también empieza a trabajar con grandes multinacionales ya volcadas en robótica.

Expertos del sector, como Adrian Macneil (Cruise y Foxglove), consideran que la simulación es clave para demostrar la seguridad de sistemas autónomos, dado que es imposible recorrer en el mundo real todos los escenarios necesarios. También apuntan a la necesidad de una nueva generación de herramientas “tipo SaaS” —al estilo de GitHub, Stripe o Twilio— adaptadas a la IA física.

Investigadores como David Mayo, del MIT CSAIL, ya están usando la plataforma de Antioch para que grandes modelos de lenguaje diseñen y prueben robots dentro de estos mundos virtuales, enfrentándolos incluso en competiciones simuladas. Si la industria logra cerrar la brecha entre lo digital y lo físico, el desarrollo de robots podría acelerarse de forma similar a lo que ha ocurrido con el software gracias a los modelos de lenguaje, creando un ciclo continuo en el que cada nueva versión sea más capaz que la anterior.