AstroForge pone una IA al mando de su próxima nave

La apuesta de AstroForge: poner una IA al mando de una nave

Cuando una nave vuela hacia un asteroide, aterriza y no puede cometer errores, la diferencia entre el éxito y la pérdida total está en quién toma las decisiones en el último milisegundo. AstroForge, la startup californiana fundada en 2022 y respaldada con US$56 millones en venture capital, eligió un camino poco convencional para resolver ese problema: en vez de montar una red global de antenas en tierra, decidió darle el control a un modelo de inteligencia artificial que vive dentro de la propia nave.

La compañía lleva años tentando una de las industrias más ambiciosas y especulativas del sector tech: la minería de asteroides rica en metales del grupo del platino. Sus dos primeros prototipos espaciales sufrieron anomalías que impidieron cumplir los objetivos de misión, y su nave Odin, lanzada en 2025 al espacio profundo, terminó incomunicable tras dificultades con las pocas antenas terrestres capaces de transmitir a cientos de miles de kilómetros.

Por qué la autonomía a bordo se volvió urgente, no opcional

El problema de fondo no es nuevo en la industria aeroespacial, pero sí en el modelo de negocio de las startups. La misión OSIRIS-REx de la NASA, que se reunió con un asteroide en 2018, requería 100 operadores por turno de ocho horas. Ese tipo de infraestructura no está al alcance de una empresa privada, y construirla desde cero costaría, según el CEO Matthew Gialich, alrededor de US$200 millones para levantar cinco antenas distribuidas por el mundo.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

La pregunta que empujó a AstroForge a buscar otra vía, según Gialich, fue directa: ¿habría sido posible recuperar la nave si todo el conocimiento necesario hubiera estado dentro del propio vehículo? La respuesta operativa es Solo, un stack de autonomía construido internamente sobre un modelo transformer, la misma familia de arquitecturas que impulsa a los grandes modelos de lenguaje actuales.

Cómo funciona Solo, según la propia compañía

Armand Awad, jefe de software de vuelo de AstroForge, describió la arquitectura en tres capas:

Algoritmos de control tradicionales para funciones críticas probadas, como mantenimiento de actitud y actuadores.
Modelos entrenados con datos de prueba para subsistemas específicos (generación de energía, navegación).
Una capa de inteligencia general, entrenada sobre aproximadamente 2.500 sensores de la nave, capaz de correlacionar anomalías entre subsistemas.

El caso de uso soñado, en palabras de Awad: el agente detecta que perdió la referencia de posición en el espacio, lo asocia a una anomalía de potencia que afecta al star tracker, y resuelve el problema por sí mismo — probablemente encendiéndolo y apagándolo. Ese tipo de razonamiento cruzado entre subsistemas es exactamente lo que un controlador humano hace en tierra, pero con latencia incompatible con el espacio profundo, donde las ventanas de comunicación son breves y escasas.

Gialich se encarga de fijar las expectativas: no se trata de una autonomía general a lo AGI ni de reinventar el control espacial. La compañía habla de «autonomía restringida con entrada de sensores muy baja», siguiendo el entrenamiento básico de un transformer.

El precedente reciente que abre la puerta

La decisión es relevante porque hasta ahora la navegación autónoma en órbita dependía casi exclusivamente de algoritmos clásicos de control, por la desconfianza histórica en la fiabilidad de redes neuronales a bordo. El propio artículo de TechCrunch señala que el primer uso de una red neuronal para controlar el posicionamiento de un satélite en órbita tuvo lugar apenas el año pasado. Que AstroForge quiera llevar esa idea al espacio profundo, y encima poner al modelo al mando sin intervención humana, es un salto cualitativo que no tiene un benchmark claro.

El plan de vuelo, según la cobertura:

DeepSpace-2, el tercer vehículo de la compañía, está previsto para lanzarse a finales de 2026 como parte de la tercera misión lunar de Intuitive Machines. Llevará Solo en «modo sombra», es decir, observando y acumulando telemetría sin tomar el control.
Autonomy-1, programado para 2027 a bordo del primer cohete de Stock Space y con respaldo de la NASA, será la primera nave verdaderamente autónoma. Su objetivo declarado: reunir datos científicos sobre el Sol.

Sobre Autonomy-1, Gialich fue directo: «No planeo volar radios que puedan recibir señales desde la Tierra». La nave irá sola, literalmente. Si el equipo lo convence de añadir un canal de comunicación antes del vuelo, será durante los meses previos al lanzamiento, no después.

El elefante en la sala: dos misiones fallidas antes

No se puede escribir sobre Solo sin mencionar el historial. AstroForge ha lanzado dos prototipos, ambos con anomalias. El caso Odin es el más reciente y el más citado por la propia compañía como justificación del giro hacia la autonomía. Según la nota de Orange County Business Journal, DeepSpace-2 tendrá un costo total menor a US$10,5 millones incluido el lanzamiento, una fracción de los US$800 millones que costó OSIRIS-REx según la estimación recogida por The Tech Edvocate. El contraste presupuestario explica la economía del proyecto: la única forma de hacer viable una misión de espacio profundo con ese presupuesto es eliminar la mayor parte de la operación en tierra.

La otra señal de alerta está en los plazos. La propia compañía declaró en junio de 2026 a OCBJ que el ensamblaje de DeepSpace-2 ya estaba completo y que el lanzamiento se esperaba para el cuarto trimestre de 2026. Si solo lleva Solo en modo sombra, la prueba real de fuego de la autonomía sin radios prevista para 2027 todavía estará a un vuelo completo de distancia.

¿Qué significa esto para tu startup?

Más allá del espacio, la decisión de AstroForge ilustra una tendencia que cualquier founder tech debería tener en el mapa: los modelos transformer están entrando a dominios donde antes ni se consideraban, porque el costo de operar un humano (o una antena) es simplemente inabordable para un negocio pequeño. Hay tres lecciones concretas:

Reducir OPEX reemplazando la infraestructura humana con modelos de razonamiento. La misma matemática que hizo inviable una red propia de antenas hace que muchos servicios B2B dependan de turnos de soporte, QA manual o revisiones costosas. Antes de construir esa infraestructura, vale la pena preguntarse si un modelo fino, entrenado con tus propios datos operativos, puede cubrirla por una fracción del costo.
Diseñar productos para entornos con latencia alta o nula conectividad. Si tu cliente está en una planta remota, en una zona con mala conexión, o simplemente en un avión, la autonomía a bordo deja de ser un lujo técnico para convertirse en la única forma de entregar valor. El mercado de «IA que funciona offline o con conexión intermitente» todavía está dominado por jugadores enormes; hay espacio para startups que lo aborden vertical por vertical.
Tener un fallback cuando el modelo falla a bordo. AstroForge asume el riesgo de operar sin radios en Autonomy-1 porque no puede pagar la alternativa. Tu startup probablemente no necesite ese nivel de heroísmo, pero sí debería diseñar cada feature de IA con un modo de degradación claro: ¿qué pasa cuando el modelo alucina, se cae el endpoint o el dispositivo está sin red? El plan B convierte un prototipo de demo en un producto que sobrevive al lunes siguiente.