- El consorcio Epoch AI diseñó el Furniture Assembly Benchmark (FAB) para evaluar razonamiento visual real.
- Los modelos pasaron de un 28% de precisión en 2025 al 80% alcanzado por GPT-6 Astra en septiembre de 2026.
- La prueba exige cotejar fotografías desde diversos ángulos contra diagramas abstractos de ensamblaje.
- Investigadores advierten que la capacidad de supervisión visual aún no equivale a la destreza robótica física.
El consorcio científico internacional Epoch AI, célebre por desarrollar exigentes evaluaciones matemáticas para algoritmos generativos, sorprendió a la comunidad tecnológica este 28 de septiembre de 2026 al presentar una innovadora metodología de evaluación: utilizar el armado de muebles de Ikea como banco de pruebas estandarizado para medir el razonamiento espacial y la percepción tridimensional de las redes neuronales más avanzadas de la industria.
La iniciativa, denominada formalmente Furniture Assembly Benchmark (FAB), surgió tras un minucioso trabajo de campo en el que investigadores adquirieron diversos modelos de mobiliario, los ensamblaron manualmente introduciendo errores mecánicos premeditados y fotografiaron las piezas en distintas etapas. La tarea encomendada a los modelos de inteligencia artificial consistió en contrastar las imágenes reales contra los manuales de instrucciones bidimensionales, identificar si la estructura guardaba coherencia lógica y localizar con exactitud los componentes montados al revés.
Salto cuantitativo del 28% al 80% en diez meses
Los resultados arrojaron una aceleración tecnológica vertiginosa. En noviembre de 2025, el mejor modelo multimodal del mercado apenas lograba un modesto 28% de aciertos en la detección de piezas invertidas. En la evaluación de septiembre de 2026, la arquitectura GPT-6 Astra trepó hasta un 80% de precisión, requiriendo un promedio de tres minutos por imagen, una reducción temporal de hasta diez veces frente a sus predecesores inmediatos.
Para resolver el desafío, las redes neuronales no solo observan una captura fija, sino que interactúan con herramientas de acercamiento óptico e intérpretes de código en lenguaje Python para reconstruir la secuencia temporal de armado. La prueba evalúa la abstracción: la facultad de conectar dibujos esquemáticos y flechas simbólicas con tornillos, bisagras y tablones de madera fotografiados en condiciones reales de sombra y perspectiva.
Supervisión visual frente a la paradoja de Moravec
A pesar del logro computacional, los directores de Epoch AI aclararon que este rendimiento no anticipa la llegada inmediata de robots domésticos capaces de armar muebles de Ikea en los hogares. Una máquina puede inspeccionar una foto y determinar que una pata está mal atornillada, pero carece de la motricidad fina, el tacto háptico y la adaptabilidad biomecánica para sujetar las herramientas y corregir el error en el mundo físico.
El experimento vuelve a confirmar la clásica Paradoja de Moravec: para la inteligencia artificial resulta trivial calcular ecuaciones abstractas o resolver ajedrez magistral, mientras que tareas sensoriales básicas para un infante de cuatro años demandan recursos computacionales formidables. Este contraste en el diseño de modelos dialoga con la evolución de sistemas especializados descrita en el estudio de las empresas que migran hacia modelos pequeños de inteligencia artificial.
Publicaciones de la Association for Computing Machinery (ACM) y análisis del MIT Media Lab destacan que el desarrollo de benchmarks basados en entornos cotidianos marca el camino para que futuros asistentes digitales colaboren en el mantenimiento de electrodomésticos y motores mecánicos en la vida real.
Especialistas en visión artificial sugieren que el siguiente hito radicará en entrenar redes neuronales que coordinen brazos robóticos industriales en tiempo real mediante sensores de profundidad LiDAR. La superación del test de los muebles abre una prometedora senda para que los talleres de manufactura incorporen asistentes visuales que reduzcan fallos humanos en cadenas de montaje de alta precisión.
Los ingenieros de software prevén que aplicaciones de realidad aumentada en teléfonos móviles incorporarán este benchmark para guiar paso a paso a usuarios domésticos en tiempo real. Apuntando la cámara hacia el tablero de madera desarmado, el software resaltará en rojo la arandela faltante o el tornillo colocado en el orificio erróneo, democratizando la asistencia técnica cotidiana.
