Por Canuto  

Runway explora una nueva generación de video con inteligencia artificial capaz de transmitir imágenes mientras el usuario las describe y modifica, una apuesta que también podría servir para entrenar robots y vehículos autónomos.
***

  • Runway investiga modelos capaces de generar video fotograma a fotograma mientras reciben instrucciones, movimientos de cámara, comandos robóticos o audio.
  • La empresa sostiene que reducir la espera podría bajar el costo por resultado y hacer viables nuevas aplicaciones interactivas.
  • El desafío técnico central consiste en evitar que pequeños errores visuales se acumulen y terminen deformando la escena.


Runway quiere cambiar la relación entre los usuarios y los generadores de video con inteligencia artificial. En lugar de escribir una instrucción, esperar segundos o minutos y revisar un resultado terminado, la empresa investiga un sistema capaz de transmitir imágenes mientras la persona describe lo que desea y modifica la escena en tiempo real.

La propuesta todavía pertenece al ámbito de la investigación y Runway no ha anunciado un calendario de disponibilidad comercial. Sin embargo, la compañía sostiene que una respuesta visual inmediata podría reducir el tiempo perdido entre intentos, abaratar el uso de hardware especializado y ampliar el número de aplicaciones que resultan económicamente viables.

Una cámara virtual que responde al usuario

Los modelos de video actuales suelen trabajar en etapas separadas: reciben un prompt, procesan la solicitud y entregan una secuencia que el usuario evalúa después. Cuando el resultado no coincide con la idea original, el proceso comienza de nuevo, una dinámica que convierte la generación y la revisión en una parte importante del tiempo total de producción.

Runway afirma que sus usuarios reportan precisamente esa fricción de manera recurrente. Por eso, su investigación busca reducir el tiempo hasta el primer fotograma y continuar generando el video a medida que la persona entrega nuevas indicaciones, con una interacción más parecida a dirigir una transmisión que a esperar un archivo terminado.

La empresa ya había presentado este enfoque en marzo mediante Runway Characters, una iniciativa que utiliza GWM-1, descrito por Runway como su primer Modelo de Mundo General. Ese sistema fue presentado en diciembre de 2025, se basa en Gen-4.5 y genera video fotograma a fotograma, mientras acepta movimientos de cámara, comandos para robots o señales de audio como mecanismos de control.

El 31 de agosto de 2026, Runway también mostró Solaris, un sistema que emplea Gen-4.5 para generar interfaces de usuario cuadro por cuadro. Solaris puede reaccionar a clics o entradas de voz, un ejemplo de la dirección que la compañía pretende explorar: entornos visuales que no solo muestran una escena, sino que responden continuamente a las acciones de quien los utiliza.

El costo de la velocidad y el problema de los errores

Según Runway, la generación en tiempo real podría cerrar la distancia entre una idea y su ejecución porque permitiría recibir retroalimentación instantánea durante la creación. En ese escenario, el usuario dedicaría más tiempo a dirigir la escena y menos a esperar, revisar una salida fallida y volver a introducir un prompt desde el principio.

La empresa también vincula la velocidad con la economía de la computación. Los modelos que producen resultados con mayor rapidez utilizan menos tiempo de GPU por sesión, lo que puede reducir el costo operativo cuando varias personas comparten la misma infraestructura y permitir servicios que hoy no justificarían el gasto necesario para generar cada resultado.

Runway plantea que el costo por resultado, medido en un nivel de calidad determinado, define qué aplicaciones tienen sentido comercial. Si la generación se vuelve instantánea, ese umbral podría descender y abrir espacio para herramientas educativas, videojuegos, simulaciones y otros productos interactivos que necesitan responder con rapidez en lugar de entregar una pieza audiovisual estática.

La velocidad, no obstante, introduce un problema técnico considerable. Como cada nuevo fotograma utiliza los anteriores como contexto, un error pequeño puede crecer con el tiempo y convertirse en una distorsión importante; a diferencia de un modelo de lenguaje, el sistema no puede simplemente corregir una palabra previa sin alterar la continuidad visual que ya construyó.

Entrenar al modelo para corregir sus propias desviaciones

Runway describe la acumulación de errores como uno de los obstáculos centrales de los enfoques de generación basados en modelos de lenguaje. Para enfrentarlo, la empresa entrena el sistema con sus propias salidas y no únicamente con entradas limpias, de modo que aprenda a reconocer desviaciones visuales y corregirlas antes de amplificarlas en los fotogramas siguientes.

La startup Decart ha explorado un enfoque de generación en tiempo real con MirageLSD. Según la información disponible, el modelo produce cada fotograma de manera individual en lugar de generar secuencias completas de una sola vez, con el objetivo de transformar transmisiones de video con una latencia muy baja. Esa aproximación ilustra una posible vía para mantener la respuesta continua, aunque no permite concluir por sí sola que el sistema resuelva la acumulación de errores.

Google DeepMind afirma que su modelo de mundo Genie 3 mantiene mundos interactivos consistentes durante varios minutos, con una velocidad de 24 fotogramas por segundo y una resolución de 720p. Esa referencia muestra la magnitud del desafío, aunque las capacidades, los objetivos y las condiciones de funcionamiento de cada sistema no son necesariamente equivalentes.

En la visión de Runway, la generación en tiempo real desplaza una parte de la carga computacional desde el entrenamiento hacia el uso cotidiano. El modelo debe producir cada fotograma con suficiente rapidez para mantener el ritmo de reproducción, incluso cuando el hardware se comparte entre varias sesiones simultáneas, una exigencia que combina calidad, estabilidad y eficiencia.

Robots, robotaxis y mundos virtuales

Runway considera que las aplicaciones interactivas podrían convertirse en el uso más importante de los medios generados por inteligencia artificial a largo plazo. La empresa menciona la educación y los videojuegos, pero también la robótica, sectores donde una respuesta lenta puede romper la experiencia del usuario o limitar la capacidad de entrenar sistemas frente a situaciones inesperadas.

Evaluar el comportamiento de robots y vehículos autónomos requiere entornos que generen escenas en tiempo real y reaccionen de inmediato ante casos límite. Un simulador que no pueda modificar el escenario con suficiente rapidez tendría dificultades para representar la incertidumbre de un mundo físico, donde una acción puede cambiar la trayectoria, el contexto y la decisión siguiente.

Runway presentó anteriormente GWM Robotics, una variante de GWM-1 orientada a generar datos sintéticos para el entrenamiento de robots. Estos mundos virtuales permitirían someter a las máquinas a situaciones difíciles de observar o reproducir con facilidad fuera de una simulación, aunque la fuente no informa cuándo estaría disponible comercialmente esta tecnología.

Waymo sigue una dirección comparable con Waymo World Model, basado en Genie 3 y adaptado al tráfico rodado. La empresa utiliza ese sistema para simular escenarios que su flota nunca ha observado, como el encuentro con un elefante, un tornado o un vecindario residencial inundado, y afirma que Waymo Driver recorre miles de millones de millas en mundos virtuales antes de enfrentar esas circunstancias en vías públicas.

Una demostración con Nvidia, todavía sin fecha de lanzamiento

En marzo, Runway mostró además una vista previa de investigación desarrollada junto con Nvidia durante la conferencia GTC del fabricante de chips. El sistema funciona sobre la plataforma Vera Rubin y fue diseñado para entregar el primer fotograma en menos de 100 milisegundos, una meta que ilustra la importancia de reducir la latencia desde el inicio de la experiencia.

Un primer fotograma rápido no resuelve por sí solo los problemas de consistencia, calidad y control que acompañan a la generación continua. El modelo todavía debe conservar la identidad de los objetos, interpretar correctamente las instrucciones y responder a cambios sin convertir la escena en una sucesión de deformaciones visuales.

La estrategia también exige una infraestructura capaz de sostener muchas sesiones al mismo tiempo, porque el valor de una herramienta interactiva no depende únicamente de su desempeño en una demostración aislada. Runway relaciona esa capacidad con el costo por resultado, pero no ha publicado en la información disponible una cifra concreta sobre el consumo de GPU o el precio final para los usuarios.

Por ahora, la compañía ha compartido una dirección tecnológica y varias demostraciones, no un producto con fecha confirmada. Si consigue combinar respuesta inmediata, continuidad visual y costos sostenibles, la generación de video podría pasar de ser una herramienta para producir clips bajo demanda a convertirse en una capa interactiva para aprender, jugar, diseñar y entrenar máquinas.


Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín