El primer robot con inteligencia artificial de Apple podría ser un HomeView animado
La semana pasada, Apple presentó más de una docena de nuevos productos para el hogar inteligente, el más llamativo de los cuales fue el HomeView con una pantalla central, a partir de 299 dólares.
Justo cuando todos estaban intentando descifrar qué podía hacer esta pantalla, el reportero de Bloomberg, Mark Gurman, lanzó otra bomba:
Apple está desarrollando en secreto un modelo de gama alta aún más radical, cuyo nombre en clave es J595.
Cuenta con una pantalla de aproximadamente 9 pulgadas y una base conectada a un brazo robótico eléctrico que, mediante reconocimiento de voz, identifica a la persona que habla y gira automáticamente la pantalla hacia ella. Se espera que esté disponible a partir de 2027 o 2028.
En el boletín informativo Power On de ayer, Gurman se quejó de que en el vídeo promocional oficial de Apple para HomeView, los miembros de la familia se turnaban para apiñarse alrededor de la pantalla, algunos consultando el calendario y otros enviando mensajes, pero lo primero que hacían todos al llegar era extender la mano y ajustar con fuerza el ángulo de inclinación de la pantalla.
El vídeo promocional, que pretendía mostrar el funcionamiento fluido del dispositivo mientras toda la familia se turnaba para usarlo, expuso inadvertidamente las limitaciones de una pantalla fija. Claramente, la propia Apple reconoció esta incomodidad: simplemente reconocer quién eres no es suficiente. Su siguiente paso es lograr que el dispositivo te "encuentre" por sí solo.
Esta pantalla está viva.
Imagínese esta situación: está en la cocina, lavando verduras y preparando ingredientes, y le pregunta casualmente a un robot HomeView que está a pocos metros de distancia por los pasos de la receta.
Lamentablemente, la pantalla HomeView del otro lado solo muestra un perfil frío e inerte. No solo no se ve el contenido, sino que tampoco se sabe si puede oírte.
El brazo robótico HomeView, tal como lo reveló Gurman, apunta precisamente a este punto problemático.
El modelo actual de HomeView presenta una base hemisférica con un eje de conexión de acero inoxidable, un diseño que rinde homenaje a la clásica "lámpara de escritorio" iMac G4 de 2002.
El detalle del que Steve Jobs estaba más orgulloso en aquel entonces era ese brazo mecánico cromado que se podía mover fácilmente con una mano, y la pantalla se podía suspender en cualquier ángulo como un girasol.
Pero ya sea el iMac G4 de antaño o el HomeView de hoy, en última instancia todo se reduce a ser arrastrado manualmente: vayas donde vayas, tienes que extender la mano y tirar en esa dirección.
El cambio fundamental en el brazo robótico HomeView es que su cuello finalmente puede moverse: se inserta un motor sin escobillas en la base hemisférica para permitir una rotación horizontal de 360 grados; se disponen servomotores dentro del soporte de articulación para lograr la inclinación vertical de la pantalla.
Gracias a un conjunto de micrófonos y al reconocimiento de voz, el motor girará automáticamente la pantalla hacia el interlocutor en cuanto oiga que alguien le llama.
Apple pasó diez años intentando conocerte.
Pero aprender a girar la cabeza es solo el paso más superficial. Si alguien camina por la habitación o la televisión reproduce una frase, girará aleatoriamente. Por muy ingenioso que sea su mecanismo, se convertirá en una molestia en el hogar.
La verdadera fortaleza de esta versión del brazo robótico reside en la experiencia sensorial que Apple ha acumulado durante la última década en diversos productos de hardware.
Todo comenzó con iPhone X, que se lanzó en otoño de 2017. Face ID revolucionó por completo la interacción entre las personas y sus teléfonos. Antes, la gente tenía que extender la mano para encontrar los botones; a partir iPhone X, bastaba con levantar el teléfono, que este te "reconociera" y se desbloqueara automáticamente.
Pero la situación cambia cuando se traslada esta funcionalidad al salón. Un teléfono móvil siempre es un objeto privado que se sostiene en la mano y que solo está a la vista del usuario desde la mañana hasta la noche; pero la pantalla del salón tiene que estar orientada hacia toda la familia e incluso hacia los invitados.
Por eso tiene que aprender a "leer entre líneas": tiene que tener mucho cuidado con quién entra y qué ve, y con los límites de privacidad de los mensajes y horarios privados.
En los últimos años, Apple ha estado uniendo las piezas del rompecabezas para lograr que las máquinas comprendan el "espacio y las personas" en varios dispositivos: primero, en la sala de estar, enseñó a HomePod a reconocer a las personas por sus voces, distinguiendo si un adulto está preguntando sobre horarios o si un niño está pidiendo música;
A continuación, se utiliza la tecnología UWB para que AirTag y los teléfonos móviles puedan determinar la orientación y la distancia entre sí en la habitación; además, la cámara Center Stage del iPad puede moverla automáticamente y centrar la imagen al realizar videollamadas.
Estas funciones están repartidas entre diferentes productos, pero todas enseñan a los dispositivos lo mismo: a detectar dónde se encuentran las personas en la habitación y qué están haciendo.
Con el lanzamiento de HomeView, Apple ha incorporado oficialmente esta tecnología de detección al salón. La cámara frontal puede reconocer hasta seis miembros de la familia y cambiar a su página de inicio cuando alguien pasa cerca.
Sin embargo, con solo reconocer un rostro no basta. Para proteger la privacidad, Apple también exige que iPhone con el que se realiza el emparejamiento esté cerca y desbloqueado.
El afán de Apple por "conocerte" está, en realidad, allanando el camino para una ambición mayor: dotar a Siri de un verdadero contexto personal y familiar.
En los dispositivos personales, Apple ha creado un perfil personal completo a través de su ecosistema multidispositivo. Las listas de tareas se guardan en iPhone , los horarios se gestionan en los Macs y las rutinas se registran en los Apple Watch, todo ello perfectamente comprendido por la IA de Siri.
Sin embargo, el ecosistema de Apple lleva mucho tiempo ausente de tu salón. Si bien HomePod y Apple TV pueden ofrecer algunos servicios personalizados, aún no saben quién está sentado frente a ellos y solo pueden proporcionar respuestas sencillas, como consultar el tiempo y configurar alarmas, o recomendar contenido diferente a los distintos miembros de la familia en la pantalla de inicio del televisor.
Lo que hace HomeView es llenar este vacío. Una vez que el dispositivo puede conectar a las personas y al ecosistema en un espacio, el flujo de datos que originalmente estaba disperso en dispositivos personales encuentra un punto de anclaje en el entorno doméstico compartido.
En primer lugar, hay que reconocer a las personas presentes en el espacio, comprender sus intenciones combinando el contexto ecológico y, a continuación, ofrecer los resultados a través de acciones físicas; esta es, en esencia, la lógica que subyace a la inteligencia encarnada en el entorno doméstico.
Es fácil de mover, pero difícil de entender.
"Hacer que la pantalla gire sola" no es precisamente un secreto en la industria de la electrónica de consumo.
En 2020, Amazon lanzó el Echo Show 10 con una pantalla giratoria. Un motor sin escobillas integrado en la base permitía que la pantalla de 10,1 pulgadas girara 350 grados horizontalmente.
Pero el enfoque de Amazon en aquel entonces era demasiado simplista y rudimentario: el micrófono localizaba la fuente del ruido y la cámara giraba su base al detectar a una persona. Para evitar controversias sobre la privacidad, el sistema no reconocía rostros, solo figuras humanas.
La intención inicial de no reconocer rostros era evitar sospechas, pero al ser puestos en práctica en una sala de estar y una cocina reales, la experiencia reveló rápidamente las deficiencias.
Cada vez que alguien habla en la televisión o un gato o un perro pasa corriendo, la pantalla tiembla nerviosamente por todas partes; el leve zumbido de los engranajes del motor girando a altas horas de la noche es aún más inquietante.
Muchos usuarios de Echo Show 10 que lo compraron y lo usaron durante un tiempo terminaron desactivando la rotación automática en la configuración.
La exploración que realizó Amazon en aquel entonces fue sin duda pionera, pero esencialmente carecía de inteligencia incorporada: solo disponía de desplazamiento mecánico, pero no de conciencia contextual.
El dispositivo desconoce quién es la persona que tiene delante, qué está haciendo o si lo necesita en ese momento. En el sensible entorno doméstico, un dispositivo que no comprende las intenciones de la otra persona puede fácilmente pasar de ser un servicio proactivo a una molestia innecesaria.
Además de saber cuándo moverse, otra prueba más sutil es la idoneidad del movimiento en sí: ¿cómo se debe girar el dispositivo sobre una mesa para no ofender a nadie?
A corta distancia, entre medio metro y dos metros, si el dispositivo detecta un sonido e inmediatamente gira bruscamente la cabeza hacia la persona siguiendo el camino más corto, al igual que una cámara de seguridad que enfoca a un objetivo sospechoso, despertará la vigilancia psicológica del usuario.
En el documento de Apple sobre interacción humano-computadora titulado "ELEGNT", publicado a principios de este año, podemos vislumbrar su enfoque para la resolución de problemas. El tema principal de este documento es precisamente un brazo robótico fijo a una mesa.
Lectura relacionada: Se revela el conjunto de robots con IA de Apple: una "lámpara Pixar" que puede actuar, una "cámara de vigilancia" al servicio de toda la familia.
El equipo de investigación llevó a cabo una serie de experimentos comparativos muy interesantes:
- Una de ellas es el "desplazamiento funcional" de la mentalidad del ingeniero: el motor simplemente gira a una velocidad constante a lo largo del camino más corto, lo que parece rígido y abrupto.
- Otro tipo es el "movimiento expresivo", que incorpora animación no lineal: el brazo robótico añade fluctuaciones de aceleración y una ligera inclinación al girar, y se detiene brevemente antes de encarar al orador.
La primera conlleva una sensación opresiva de estar siendo observado; mientras que la segunda es mucho más natural, como si alguien girara la cabeza para escucharte hablar.
Pero por muy humanos que sean sus movimientos, aún pueden desorientarse en situaciones reales y complejas.
Imagina a una pareja preparando comida y charlando, cuando de repente su hijo grita que quiere ver dibujos animados. ¿Hacia cuál debería girar el brazo robótico? Cuando un usuario camina desde la estufa hasta el refrigerador para buscar ingredientes, ¿debería la pantalla seguirlo paso a paso o debería dejarle espacio para moverse?
Un brazo robótico con un cuello largo que podía girar en cualquier momento: cualquier movimiento adicional por su parte haría que uno desconfiara de ser espiado.
Si no puedes elegir el momento adecuado o averiguar con quién hablar, lo que la mayoría de la gente querrá hacer al final probablemente sea ir a la configuración y apagarlo para tener un poco de paz y tranquilidad.
Durante la última década, Apple ha enseñado a sus dispositivos a "reconocerte" en la palma de tu mano; y se rumorea que esta HomeView animada es un intento de que "te encuentre activamente".
Aunque su lanzamiento oficial aún podría tardar algunos años, este es quizás el dispositivo doméstico de Apple más esperado de los últimos años. Al fin y al cabo, ¿quién no querría que este robot de escritorio girara la cabeza hacia ellos cuando activan Siri mientras cortan verduras o cocinan?