Anthropic presenta un estándar para que los agentes de IA controlen dispositivos físicos

27 de agosto de 2026. Anthropic ha presentado el Model Hardware Standard (MHS), un conjunto de controladores estandarizados diseñado para que los agentes de inteligencia artificial puedan interactuar con dispositivos físicos y controlarlos. La compañía plantea inicialmente este sistema como una herramienta para que los científicos reduzcan el trabajo necesario para conectar componentes de experimentos y hacer que funcionen de forma coordinada.

El MHS proporciona una interfaz común y un formato compartido para intercambiar datos entre dispositivos. Según Anthropic, esto permitiría que distintos equipos se comuniquen a través de una red sin necesitar un programa de traducción específico para cada integración. La empresa sostiene que un proceso de configuración experimental que puede requerir semanas o meses podría reducirse a horas o minutos.

La iniciativa se encuentra por ahora en una fase de “research preview” y se está probando con laboratorios científicos y fabricantes avanzados. Anthropic explica que la idea surgió después de que Alek Kemeny, miembro del equipo técnico de la compañía, observara al neurocientífico Arco Bast preparar un experimento sobre la formación de recuerdos en el cerebro en HHMI Janelia Research Campus, en Ashburn, Virginia.

En ese experimento, haces de láser giratorios, microscopios, cámaras y otros componentes debían coordinarse mediante una interfaz común. Kemeny señaló que una infraestructura de este tipo podría permitir que la IA ejecutara experimentos científicos, aunque el estándar no depende necesariamente del uso de modelos de inteligencia artificial.

Los dispositivos compatibles con MHS pueden controlarse directamente en tiempo real mediante instrucciones de línea de comandos y archivos de código para API. No obstante, la integración con un modelo a través de Model Context Protocol permitiría a los investigadores manejar los equipos usando lenguaje natural. Anthropic afirma que los modelos podrían razonar sobre cada paso de un experimento, modificar parámetros en tiempo real y, en algunos casos, recuperarse de errores de hardware sin intervención humana.

La compañía describe un escenario en el que un modelo como Claude ajusta un láser, comprueba los resultados mediante una cámara independiente y repite el proceso hasta calibrar automáticamente el sistema. En otro ejemplo, un modelo podría enfocar un microscopio, analizar las imágenes, identificar la zona que necesita una observación adicional y desplazar el instrumento hasta esa sección.

En un vídeo publicado junto al anuncio, Anthropic también mostró a Claude razonando cómo conseguir que un brazo robótico recogiera una lata de aluminio, pese a no haber sido entrenado específicamente para ejecutar esos pasos. El estándar permitiría además que los modelos escribieran scripts de API para secuenciar acciones entre varios instrumentos y ajustaran esas secuencias según cambiaran las condiciones del experimento.

El MHS incorpora un sistema de etiquetas destinado a describir las limitaciones físicas de los equipos. Entre los datos que puede incluir se encuentran las características físicas de un dispositivo, como el peso y el alcance de un brazo robótico, además de sus parámetros ajustables, opciones de medición y límites de seguridad obligatorios.

Estas etiquetas pueden reunirse en un archivo de referencia para proporcionar rápidamente a un modelo información relevante sobre un dispositivo con el que no haya trabajado anteriormente. Anthropic considera que esta capa de información puede ayudar a los modelos, entrenados principalmente con datos del mundo virtual, a operar teniendo en cuenta las restricciones del entorno físico.

Durante el periodo de pruebas, Anthropic trabaja con un primer grupo de laboratorios de investigación y fabricantes avanzados que incluye Amazon Web Services (Strands Robots), Hugging Face (LeRobot), Raspberry Pi, Automata y Universal Robots. La compañía afirma que estos socios contribuirán a crear evaluaciones de seguridad y buenas prácticas para sistemas de IA que operen equipos físicos.

El plan de Anthropic es que MHS se convierta posteriormente en un estándar de código abierto y “agent agnostic” para integrar sistemas de inteligencia artificial con dispositivos físicos. La empresa asegura que, en las pruebas realizadas durante el último año con socios científicos, el estándar redujo el tiempo de integración de equipos y permitió iterar con mayor rapidez en distintos entornos experimentales.

Fuente: Ars Technica.