Antioch, una startup de IA física, recauda 8.5M$ para su plataforma de simulación que busca cerrar la brecha 'sim-to-real' en robótica.
La promesa de la inteligencia artificial física ha sido, durante años, un horizonte seductor: la capacidad de programar agentes autónomos en el mundo material con la misma fluidez que sus contrapartes digitales. Sin embargo, esta visión utópica ha chocado repetidamente con una realidad tozuda: la escasez crítica de datos fiables del entorno físico. Para entrenar un robot, las empresas se han visto obligadas a erigir costosos prototipos, a vigilar líneas de producción o a depender de la recolección manual de información, un cuello de botella que frena la escalabilidad y eleva exponencialmente los riesgos. En este escenario de altas apuestas, donde un fallo no es un error de código sino un peligro tangible, emerge Antioch, una startup que aspira a ser el puente definitivo entre la simulación y la realidad, cerrando la infame 'brecha sim-to-real' que ha lastrado el progreso de la robótica.
Fundada en mayo de 2025 y con sede en Nueva York, Antioch ha irrumpido en el panorama tecnológico con una ronda de financiación inicial de 8.5 millones de dólares, liderada por A* y Category Ventures, y con la participación de MaC Venture Capital, Abstract, Box Group e Icehouse Ventures, catapultando su valoración a los 60 millones de dólares. Este respaldo financiero no es casualidad, sino un voto de confianza en un equipo con un pedigrí excepcional. Harry Mellsop, cofundador, junto a Alex Langshur y Michael Calvey, ya demostraron su capacidad emprendedora al cofundar Transpose, una startup de seguridad e inteligencia que fue adquirida por Chainalysis. A ellos se suman Collin Schlager, con experiencia en Meta Reality Labs, y Colton Swingle, proveniente de Google DeepMind, una amalgama de talento empresarial y técnico que posiciona a Antioch como un actor formidable en la carrera por la IA física.
La propuesta de valor de Antioch se materializa en una plataforma que se compara con Cursor, la popular herramienta de desarrollo de software impulsada por IA. Su producto permite a los desarrolladores de robots crear múltiples instancias digitales de su hardware y conectarlas a sensores simulados que replican con precisión los datos del mundo real. Estos entornos virtuales son cruciales para un sinfín de tareas: desde la prueba exhaustiva de casos extremos que serían peligrosos o prohibitivos en el mundo físico, hasta la implementación de complejos algoritmos de aprendizaje por refuerzo y la generación masiva de datos de entrenamiento. La clave de su éxito reside en la fidelidad de la simulación, una obsesión por asegurar que la física virtual sea indistinguible de la realidad. Como subraya Çağla Kaymaz, socia de Category Ventures, la diferencia de riesgo es abismal: 'Con el software, los riesgos suelen estar contenidos en el mundo digital. En el mundo físico, las apuestas son mucho más altas'. Para ello, Antioch utiliza modelos base de Nvidia y World Labs, construyendo sobre ellos bibliotecas específicas para cada dominio.
Actualmente, el foco de Antioch está en los sistemas de sensores y percepción, componentes vitales para vehículos autónomos (coches y camiones), maquinaria agrícola y de construcción, y drones aéreos. Aunque la visión a largo plazo contempla robots generalistas capaces de emular tareas humanas, la estrategia inmediata se centra en estas aplicaciones críticas donde la seguridad y la precisión son primordiales. La startup ya colabora con empresas emergentes y grandes multinacionales que invierten masivamente en robótica. El respaldo de figuras como Adrian Macneil, exejecutivo de Cruise y fundador de Foxglove, quien ha invertido como ángel, valida su enfoque. 'La simulación es realmente importante cuando se intenta construir un caso de seguridad o se trata con tareas de muy alta precisión. No es posible conducir suficientes millas en el mundo real', destaca Macneil. Incluso la academia ya se beneficia de su tecnología: investigadores como David Mayo del MIT están utilizando la plataforma de Antioch para evaluar cómo los grandes modelos de lenguaje (LLMs) pueden diseñar y probar robots, abriendo una nueva frontera en la evaluación de la IA física.
Compartir
Científicos proponen un nuevo método para buscar vida extraterrestre basado en detectar patrones estadísticos entre grupos de planetas, en lugar de biofirmas individuales.
En 2026, los enchufes inteligentes, gracias a los estándares Matter y Thread, ofrecen control local, monitoreo energético para ahorrar en facturas y automatizaciones avanzadas, redefiniendo el hogar conectado.
Canva ha actualizado su Asistente de IA para que pueda orquestar múltiples herramientas de diseño, creando composiciones complejas y editables a partir de una simple orden de texto.