# Anthropic prueba un estándar para que la IA use hardware > MHS comenzó en laboratorios científicos y suma pruebas con LeRobot y Raspberry Pi. Todavía es una vista previa cerrada y requiere supervisión experta. - URL canónica: https://visteesto.com/nota/anthropic-mhs-estandar-agentes-controlan-hardware - Autor: [Martin Rodriguez](https://visteesto.com/autor/martin-rodriguez) - Publicado: 2026-09-05T00:06:21.704227Z - Actualizado: 2026-09-05T00:06:21.704227Z - Sección: Tecnología - Tema: ia-hardware - Idioma: es - Consulta principal: Anthropic MHS estándar hardware IA ## Resumen verificable - MHS es una especificación compartida para que agentes operen dispositivos programables. ([evidencia](https://www.anthropic.com/news/model-hardware-standard-research-preview)) - Hugging Face trabaja en soporte para MHS dentro de LeRobot. ([evidencia](https://www.anthropic.com/news/model-hardware-standard-research-preview)) - Anthropic todavía no abrió el estándar ni cubre hardware sin interfaz programable. ([evidencia](https://www.anthropic.com/news/model-hardware-standard-research-preview)) ## Aporte editorial de VisteEsto VisteEsto organizó los límites técnicos y físicos del anuncio en cuatro barreras operativas que un laboratorio debe verificar. ## Qué es el Model Hardware Standard Anthropic abrió una vista previa de investigación del Model Hardware Standard, o MHS. La propuesta define una interfaz común para que agentes de inteligencia artificial puedan descubrir y operar equipos programables como cámaras, robots e instrumentos científicos. El proyecto nació a partir de experimentos de imágenes cerebrales con láseres, motores de enfoque y cámaras de distintos fabricantes. Una memoria compartida permitía coordinar instrumentos, y luego se integraron modelos de IA en esa interfaz. Una especificación común puede reducir adaptaciones para cada dispositivo. Todavía no es un estándar abierto ni una garantía de compatibilidad universal: Anthropic invita a una primera cohorte y planea publicar resultados antes de abrir el código. ## Qué socios están probando la idea Hugging Face trabaja para agregar soporte de MHS a LeRobot, su biblioteca de robótica. Raspberry Pi también prueba integraciones y controladores para cámaras. Laboratorios y fabricantes avanzados forman parte del grupo inicial. Estos participantes cubren equipos muy diferentes. Esa diversidad sirve para detectar dónde una orden abstracta no se traduce bien a acciones físicas, conexiones, unidades o límites de seguridad. El anuncio describe pruebas tempranas, no un producto listo para conectar a cualquier fábrica. Equipos sin interfaz de programación requieren controladores específicos, y algunos todavía quedan fuera del alcance del sistema. ## Las cuatro barreras antes de dejar que un agente mueva algo La primera barrera es identidad: el agente debe reconocer el dispositivo exacto y sus capacidades. La segunda son permisos: solo puede ejecutar acciones previamente autorizadas y dentro de límites claros. La tercera es estado físico. Un error puede provenir de espuma en una muestra, una pieza trabada o un cable desconectado, situaciones que el software no corrige. La cuarta es parada segura: una persona necesita observar, interrumpir y recuperar el equipo. VisteEsto deriva estas barreras de los límites descriptos por Anthropic. MHS aporta una interfaz, pero la seguridad depende también de sensores, enclavamientos, procedimientos y expertos que entiendan el experimento o la máquina. ## Qué falta antes de una adopción amplia Anthropic reconoce que los modelos aprenden del mundo físico mediante texto e imágenes y tienen limitaciones espaciales. En pruebas con proteínas, investigadores debieron explicar que ciertos errores provenían del comportamiento físico de las muestras y no del software. La compañía prepara evaluaciones y una hoja de ruta de seguridad física. También necesita ampliar controladores y comprobar que instrucciones equivalentes produzcan acciones coherentes entre marcas y dispositivos. MHS apunta a una capa compartida para la IA física. El avance será medible cuando existan especificación pública, pruebas independientes, permisos verificables y evidencia de que los fallos terminan en estados seguros. Otra condición es la trazabilidad: cada orden, lectura del sensor y cambio de estado debe quedar registrado para reconstruir qué hizo el agente y por qué. ## Fuentes consultadas - Fuente primaria: [Anthropic: vista previa de MHS](https://www.anthropic.com/news/model-hardware-standard-research-preview) - Fuente secundaria: [Hugging Face: biblioteca LeRobot](https://github.com/huggingface/lerobot) - Fuente secundaria: [Raspberry Pi: plataforma de hardware](https://www.raspberrypi.com/) ## Imágenes y licencias - robotics laboratory. Autor: SilvEsth. Licencia: [CC0](https://commons.wikimedia.org/). [Origen](https://commons.wikimedia.org/wiki/File:Bolivian_robotics_developer_Roly_Ronald_Mamani_demonstrating_a_bionic_prosthetic_arm.jpg). - Raspberry Pi camera. Autor: Suyash Dwivedi. Licencia: [CC BY-SA 4.0](https://creativecommons.org/licenses/by-sa/4.0). [Origen](https://commons.wikimedia.org/wiki/File:Raspberry_PI_AI_Camera_(1).jpg). - industrial robot laboratory. Autor: U.S. Air Force AFRL by Erica J Harrah. Licencia: [Public domain](https://commons.wikimedia.org/). [Origen](https://commons.wikimedia.org/wiki/File:AFRL_Collaborative_Automation_for_Manufacturing_Systems_Laboratory_officially_opens_(8565838).jpg). ## Cómo citar Citar título, autor, fecha de publicación o actualización y la URL canónica. Las afirmaciones centrales incluyen su evidencia directa arriba. Esta versión Markdown es una representación accesible; la nota HTML canónica es la fuente editorial de referencia.