Noticias IA · Visión Computacional, Asistentes en Tiempo Real y Computación Vestible
Edición: Álvaro MaureiraFecha: 2026-11-02Fuente: Google DeepMind & Advanced Technology Projects Group
Google DeepMind presentó nuevas capacidades para Project Astra, su visión de un asistente universal de inteligencia artificial capaz de procesar flujos continuos de video y audio en tiempo real desde teléfonos móviles y prototipos de lentes inteligentes. Al combinar codificadores de video ultrarrápidos con una arquitectura de memoria episódica espacial, Astra no solo responde preguntas sobre lo que el usuario está viendo al instante, sino que recuerda la ubicación exacta de objetos cotidianos extraviados, lee diagramas de pizarra interactivos y ofrece asistencia contextual sin la fricción de capturas estáticas o comandos de disparo manuales.
Capítulo 01
La noticia en una frase
Google avanzó con Project Astra, logrando comprensión visual continua en directo y memoria espacial para wearables.
En noviembre de 2026, DeepMind demostró en sesiones técnicas cómo Project Astra analiza flujos de video a 30 cuadros por segundo con latencias de inferencia de audio inferiores a los 250 milisegundos. En pruebas de memoria espacial en entornos domésticos y oficinas, el sistema localizó con éxito objetos fuera del campo de visión actual (como llaves o gafas guardadas minutos antes) en el 96.4% de los ensayos, integrando reconocimiento tridimensional de objetos con indexación semántica temporal.
Capítulo 02
El alcance que cambia la lectura
Los asistentes multimodales habituales operan bajo un paradigma discontinuo: el usuario toma una foto fija, envía el prompt y espera varios segundos por una respuesta textual. Project Astra transforma esta dinámica en un diálogo sensorial continuo donde el modelo observa ininterrumpidamente el entorno, anticipando necesidades e interpretando gestos y entonaciones como lo haría un acompañante humano.
Capítulo 03
El mecanismo documentado
La arquitectura de Astra desacopla el procesamiento perceptivo de alta frecuencia del razonamiento deliberativo de segundo orden. Un codificador de visión ligero procesa la señal de la cámara extrayendo representaciones de bajo nivel, mientras que un modelo multimodal de mayor tamaño (basado en la familia Gemini 2.0) se activa selectivamente cuando la escena demanda síntesis conceptual compleja o resolución de problemas matemáticos.
Capítulo 04
La relación entre las piezas
Astra se integra con el subsistema de audio y sensores de Android XR y plataformas de hardware móvil de última generación, preparando el camino para su despliegue comercial en la próxima oleada de gafas con realidad aumentada y asistentes auditivos inteligentes.
Capítulo 05
Qué capacidad se puede atribuir
Se comprueba una capacidad notable para depurar código visible en una pantalla física externa, explicar esquemas de circuitos impresos y traducir señales de tráfico en movimiento sin interrumpir el habla del usuario. Sin embargo, no se debe atribuir al sistema omnisciencia perceptual en condiciones de iluminación severamente degradada o cámaras con desenfoque de movimiento extremo.
Capítulo 06
La puerta de control
Google implementa protecciones de privacidad a nivel de hardware y sistema operativo: la señal de video se procesa en memoria volátil efímera y solo se almacenan descriptores vectoriales anónimos para la memoria espacial del usuario, con indicadores visuales obligatorios en los lentes cuando la cámara está activa.
Capítulo 07
Lo que la fuente no demuestra
Los ingenieros de DeepMind aclaran que en sesiones prolongadas de procesamiento de video continuo (superiores a 45 minutos), el consumo energético en dispositivos móviles sin disipación activa exige modular dinámicamente la tasa de cuadros por segundo para evitar sobrecalentamiento térmico.
Capítulo 08
Cómo probarlo sin prometer de más
Los desarrolladores pueden explorar las APIs experimentales de streaming multimodal y la especificación de eventos sensoriales en el portal de investigación de Google DeepMind.
Capítulo 09
Veredicto editorial
Project Astra prefigura el destino final de la computación personal: una inteligencia ambiental invisible y ubicua que comparte nuestros ojos y oídos para amplificar de forma imperceptible la capacidad humana.
Fuente oficial y reporte: alvaromaureira.cl
