En una obra, mover cargas con una grúa exige experiencia: hay que decidir la trayectoria, evitar obstáculos y colocar cada pieza en su sitio. Además, alguien tiene que llevar la cuenta de lo que ya se ha hecho y escribir el parte. Un estudio publicado en el repositorio arXiv por Yifei Xiao, Huasheng Lin y T. Y. Yang intenta automatizar las dos cosas a la vez. Por un lado, un algoritmo de aprendizaje por refuerzo planifica los movimientos de una grúa móvil. Por otro, un modelo de lenguaje sigue el avance de la obra y redacta los informes.

Los autores parten de una idea sencilla: la población mundial crece rápido y los métodos de construcción tradicionales empiezan a quedarse cortos ante la demanda de vivienda. Su apuesta es la llamada «construcción inteligente», en la que la máquina no solo ejecuta órdenes, sino que también decide parte del trabajo y lo documenta.

Cómo funciona por dentro

El sistema tiene varias capas que se reparten las tareas. Conviene separarlas porque cada una resuelve un problema distinto:

• El planificador. Es una versión mejorada de un algoritmo de aprendizaje por refuerzo llamado soft actor-critic. Este tipo de algoritmo aprende por ensayo y error: prueba acciones, recibe una recompensa o una penalización y, con el tiempo, afina su estrategia. Aquí su trabajo es decidir qué movimientos debe hacer la grúa para cumplir cada tarea.
• La traducción a movimientos reales. Que una inteligencia artificial proponga una acción no significa que una máquina física pueda ejecutarla. Por eso los investigadores añaden modelos de cinemática robótica y algoritmos de control, que convierten esas decisiones en movimientos que la grúa sí puede hacer.
• El extractor de información. Un modelo de embeddings hecho a medida, es decir, un sistema que convierte datos en representaciones numéricas fáciles de comparar, recoge del entorno de la obra la información que le interesa al usuario.
• El redactor. Con esa información, un gran modelo de lenguaje (los autores usan ChatGPT 5) actualiza el estado de la obra, envía información de seguridad al sistema de control y genera los informes de progreso.

Al final, el modelo de lenguaje no maneja la grúa. Hace de capa de comunicación entre lo que pasa en la obra y las personas que necesitan saberlo, y además pasa avisos de seguridad al sistema que controla la máquina.

Qué se ha probado y qué cambia

Según el resumen del artículo, la viabilidad del método se comprobó en varios experimentos de construcción de muros de contención a escala real. Este tipo de muro sostiene tierras en desniveles, como en taludes o terraplenes. El resumen no da cifras de rendimiento, tiempos ni porcentajes de acierto, así que conviene no sacar conclusiones sobre cuánto mejora el proceso frente a un operador humano.

Si este enfoque llega a madurar, el cambio para quien trabaja en una obra podría notarse en dos puntos. El primero es la planificación de maniobras repetitivas, que la máquina podría proponer sola. El segundo es el papeleo: los informes de avance, que hoy suelen consumir horas, podrían generarse a partir de lo que el sistema detecta en el terreno y adaptarse a lo que le interesa a cada persona, ya sea el jefe de obra o el promotor.

La letra pequeña

Antes de imaginar obras llenas de grúas autónomas, hay varias cautelas que tener en cuenta:

• Es un preprint. El trabajo está en arXiv, un repositorio donde los investigadores comparten sus estudios antes o en paralelo a la revisión por pares. Que esté publicado ahí no significa que otros expertos lo hayan validado.
• La prueba es acotada. Los experimentos se centran en muros de contención, una tarea concreta. Una obra completa tiene muchas más variables: personas moviéndose, clima, imprevistos.
• Los modelos de lenguaje se equivocan. Estos sistemas pueden generar textos convincentes pero incorrectos. En un informe de obra, o peor aún en un aviso de seguridad, un error así tendría consecuencias. Habría que comprobar con mucho cuidado cómo de fiables son esos mensajes antes de usarlos en un entorno real.
• Dependencia de un servicio externo. El sistema usa un modelo de lenguaje comercial, lo que plantea dudas prácticas sobre disponibilidad, coste y control de los datos de la obra.

Por qué importa

La construcción es uno de los sectores menos automatizados y uno de los que más presión soporta por la demanda de vivienda. Este trabajo es interesante porque no se queda en una sola pieza: une la toma de decisiones de una máquina pesada con la documentación del avance, dos tareas que hasta ahora iban por separado. Todavía es pronto para hablar de obras autónomas, pero el estudio muestra hacia dónde mira parte de la investigación: máquinas que, además de trabajar, cuentan qué han hecho.

Fuente: Yifei Xiao, Huasheng Lin y T. Y. Yang, «Large language model and reinforcement learning based autonomous construction and progress updates», arXiv (cs.AI), 2026. DOI: 10.48550/arXiv.2610.26899. Distribuido con la licencia no exclusiva de arXiv.