Danijar Hafner lanza startup de agentes de IA que planifican en entornos desconocidos
El ex‑Google DeepMind está probando robots humanoides entrenados con modelos de mundo para actuar en casas sin datos previos.
Danijar Hafner, de 31 años, abrió las puertas de su nueva startup en San Francisco, aunque la oficina sigue vacía y sin nombre visible. En el espacio cuelgan varios humanoides importados de China, que representan la fase física de su trabajo: permitir que la IA navegue por entornos que nunca ha visto en entrenamiento.
Hafner basa su enfoque en model‑based reinforcement learning. Crea world models, simulaciones que emulan la realidad física, y entrena agentes dentro de esas simulaciones. El agente trata el modelo como si fuera el mundo real, aprende a actuar y luego usa esas experiencias para predecir resultados futuros, una especie de “sueño” que le permite planificar antes de actuar en la vida real.
Este método evita la costosa prueba‑y‑error en entornos físicos. En contraste con otras técnicas que requieren cientos o miles de intentos reales, los agentes de Hafner pueden ejecutar tareas complejas después de entrenarse sólo en la simulación. La ventaja es clara para robots domésticos: deben adaptarse a planos de planta y muebles desconocidos sin necesidad de recopilar datos específicos para cada casa.
Hafner ya demostró la potencia de sus modelos en videojuegos. PlaNet introdujo la planificación anticipada; Dreamer 2 alcanzó nivel humano en Atari 2600; Dreamer 3 resolvió el reto del diamante en Minecraft; y Dreamer 4 aprendió a extraer diamantes a partir de videos grabados, sin interacción directa. El proyecto DayDreamer lleva esa capacidad al mundo físico, permitiendo que robots se recuperen de caídas o reaccionen a perturbaciones sin entrenamiento previo.
Tras dejar DeepMind en otoño de 2025, Hafner fundó la startup, que sigue en modo sigiloso. Aunque no revela nombre ni planes concretos, asegura que su objetivo es “resolver un problema que cambie el mundo”. Si logra que robots domésticos operen de forma fiable en entornos no vistos, el impacto podría ser considerable para la automatización del hogar y la industria de la robótica.
La relevancia para los profesionales de IA radica en la viabilidad de entrenar agentes en simulaciones de alta fidelidad y transferir ese conocimiento a hardware real, reduciendo costos y riesgos. La comunidad observará si su startup logra escalar esta tecnología más allá de prototipos y la integra en productos comerciales.
