¿Qué ocurrió?

MIT Technology Review ha publicado un perfil de la nueva empresa de Danijar Hafner en San Francisco. El investigador, de 31 años, dejó Google DeepMind en el otoño de 2025 y la compañía que fundó sigue en modo sigiloso: ni siquiera hay un nombre en la puerta.

La oficina tiene pocos muebles pero muchos robots: humanoides de distintas formas y tamaños, importados de China, cuelgan como marionetas de unos bastidores que recorren el centro del espacio diáfano. Hafner describe el proyecto como la continuación de su largo trabajo para lograr que la IA se desenvuelva en entornos que no ha visto durante el entrenamiento.

El método: modelos del mundo

El enfoque en el que se apoya Hafner se llama aprendizaje por refuerzo basado en modelos. Desarrolla modelos de IA diseñados para emular la realidad física —modelos del mundo— y entrena agentes dentro de ellos.

El agente trata el modelo como una simulación del mundo real y aprende a actuar allí. Después usa esas experiencias para hacer predicciones sobre resultados futuros: para soñar, como diría Hafner. Eso permite que los agentes, y los robots en los que se integran, se orienten en situaciones desconocidas de la vida real.

Ahí está la diferencia con otros enfoques: el método permite ejecutar tareas enormemente complicadas sin el entrenamiento por ensayo y error en el mundo real que se ha usado tradicionalmente en robótica. Si quieres enviar un robot a la casa de alguien, tiene que manejarse con un plano y unos muebles que nunca ha visto.

El recorrido: de los videojuegos a la realidad

Hafner afinó el enfoque durante años probándolo contra videojuegos:

  • PlaNet: su primer avance; permitió a los agentes ejecutar acciones planificando por adelantado.
  • Dreamer 2: el primer agente en alcanzar nivel humano en juegos de Atari 2600 usando un modelo del mundo.
  • Dreamer 3: el primero en resolver el reto del diamante de Minecraft, extrayendo las gemas por su cuenta.
  • Dreamer 4: aprendió a extraer diamantes a partir de un conjunto de datos offline de vídeos de partidas grabadas, sin interactuar nunca directamente con el juego.
  • DayDreamer: llevó el algoritmo Dreamer a la realidad física; los robots se manejaron solos en entornos nuevos y reaccionaron a experiencias inéditas, como recibir un empujón, sin entrenamiento específico.

¿Por qué importa?

El detalle de Dreamer 4 es el punto más llamativo de esa lista. Que un agente aprenda de vídeo grabado y luego resuelva la tarea ataca de frente un problema práctico de la robótica: el ensayo y error en el mundo real es caro, lento y a menudo peligroso. Un brazo robótico no puede aprender dejando caer algo mil veces.

Su antiguo responsable y coautor en Google DeepMind, Timothy Lillicrap, describe a Hafner como alguien que destaca entre los que destacan: "Trato con mucha gente realmente brillante en investigación en Google, y él está sin dificultad en el 0,5 % superior. En muchos casos construía él solo cosas que habrían requerido equipos enteros de ingenieros".

Hay que señalar el límite

Esto es un perfil, no un anuncio de producto. La empresa está en modo sigiloso, su nombre no se ha revelado y no hay ningún resultado auditable. El propio Hafner es discreto sobre sus siguientes pasos y solo dice que le interesaba "resolver un problema que cambiara el mundo".

La noticia aquí no es un logro sino una dirección: una de las figuras destacadas de la investigación en IA ha fundado su propia empresa en torno a un enfoque ajeno a los modelos de lenguaje, con modelos del mundo y robots físicos. Qué saldrá de ahí es algo que todavía nadie puede ver.