La arquitectura en un párrafo
Casi todas las gafas con IA funcionan igual a nivel de sistema. Los sensores de la montura (micrófonos y, a menudo, una cámara) captan lo que dices y lo que ves. Un pequeño procesador en la patilla se encarga de las palabras de activación, el audio y las tareas de mantenimiento. La inteligencia pesada (el reconocimiento de voz, la traducción y el modelo de lenguaje) se ejecuta sobre todo en la nube, a la que se accede a través del smartphone emparejado o de una conexión directa. Los resultados vuelven en forma de audio por unos diminutos altavoces situados cerca de los oídos, o como una imagen proyectada en la lente. Las gafas son un terminal de sensores y pantalla; el cerebro está, en gran medida, en otra parte.
La pantalla: cómo llevar una imagen hasta el ojo
El problema de ingeniería más difícil de esta categoría es conseguir que una pantalla sea invisible hasta que se necesita. Predominan tres enfoques.
Pantallas de guía de ondas
Un proyector microscópico situado en la patilla dispara una imagen hacia el borde de una placa fina y transparente integrada en la lente. La luz rebota internamente a través de la placa y, después, unas estructuras grabadas en ella dirigen la imagen hacia la pupila. El resultado es texto o gráficos que parecen flotar en el mundo, a través de una lente que desde fuera parece normal. Las Even Realities G2 utilizan este enfoque para su pantalla de texto verde, al igual que la pantalla de las Rokid AI Glasses Enterprise. Las guías de ondas sacrifican brillo y riqueza de color a cambio de un formato casi invisible, y por eso tantas recurren a un texto monocromo nítido.
Óptica birdbath
Un panel micro-OLED proyecta luz hacia abajo sobre un espejo curvo semitransparente situado dentro de la lente, que refleja la imagen hacia el ojo. La óptica birdbath ofrece imágenes brillantes, a todo color y de alta resolución, y por eso la utilizan gafas de pantalla virtual como las XREAL One Pro; sin embargo, esta óptica necesita profundidad física, y por eso las gafas de pantalla son visiblemente más voluminosas que las gafas con IA de tipo asistente.
Sin pantalla
Una buena parte de la categoría prescinde por completo de la pantalla y, en su lugar, te habla. Las gafas con IA solo de audio son más ligeras, más baratas y duran más con cada carga, y para una experiencia de asistente pura, una voz en el oído cubre la mayoría de las necesidades.
La cámara: los ojos de la IA
Cuando la hay, la cámara sirve a dos señores. A ti te permite capturar fotos y vídeos desde tu punto de vista. A la IA le proporciona fotogramas que analizar: identificar un objeto, leer una etiqueta, describir una escena, traducir un cartel.
Conviene conocer dos realidades prácticas. En primer lugar, las funciones de IA visual suelen fotografiar un momento en lugar de transmitir de forma continua; el análisis continuo de vídeo agota la batería demasiado rápido para el uso diario. En segundo lugar, normalmente un LED indica que se está grabando, y los lugares de trabajo o los recintos pueden restringir el uso de cámaras, una de las razones por las que existen modelos sin cámara como las Even Realities G2 y se venden bien en entornos profesionales.
Micrófonos y altavoces: la interfaz principal
La voz, y no la pantalla, es la interfaz principal de las gafas con IA. Las monturas incorporan varios micrófonos dispuestos para el beamforming: al comparar la señal entre los micrófonos, las gafas pueden separar tu voz, o la de la persona que tienes delante, del ruido ambiente. Esto es lo que hace posible la traducción en directo en una sala concurrida.
El sonido sale de pequeños altavoces abiertos situados en las patillas, que lo dirigen hacia el conducto auditivo. A un volumen normal apenas se oyen desde fuera, y dejan los oídos abiertos al entorno, una ventaja de seguridad y comodidad infravalorada frente a los auriculares intrauditivos.
Dónde se ejecuta realmente la IA
El asistente que hay detrás de las gafas es un gran modelo de lenguaje, y lo de «gran» es literal: los modelos más avanzados no pueden ejecutarse dentro de unas gafas. La carga de trabajo se reparte en tres frentes.
En las gafas: detección de la palabra de activación, captura, procesamiento de audio y, cada vez más, pequeños modelos integrados en el dispositivo para tareas rápidas.
En el teléfono: la aplicación complementaria gestiona la conectividad y los ajustes y, a menudo, hace de intermediaria de los datos entre las gafas y la nube.
En la nube: el reconocimiento de voz, la traducción y el propio modelo de lenguaje, es decir, las funciones que parecen inteligentes.
Este reparto explica el comportamiento en el mundo real. Con una buena conexión, las respuestas llegan en aproximadamente un segundo; en una zona sin cobertura, las funciones más inteligentes se degradan o dejan de funcionar. También explica por qué las gafas con IA mejoran después de comprarlas: cuando el modelo en la nube mejora, también lo hacen las gafas que ya tienes.
Para las empresas, este reparto plantea una pregunta legítima: ¿adónde van el audio y las imágenes? Los productos de consumo los envían a la nube del fabricante. Las plataformas empresariales responden de otra manera, y esto supone un verdadero elemento diferenciador: las Rokid AI Glasses Enterprise permiten conectar tus propios modelos de IA, incluidos los autoalojados, de modo que una empresa puede mantener los datos sensibles en su propia infraestructura.
Batería y gestión de la energía
Las baterías se esconden en las patillas, y su capacidad es reducida porque el peso recae sobre la nariz. Los fabricantes salvan la distancia entre unas baterías pequeñas y unas funciones que consumen mucho mediante una ingeniería agresiva: pantallas que solo representan una pequeña zona de texto, cámaras que permanecen en reposo hasta que se las necesita, radios que se apoyan en el teléfono. En la práctica, un día de uso moderado del asistente es factible en la generación actual; horas de traducción o grabación continuas, no. Los usuarios profesionales intensivos deberían contar con estuches de carga y accesorios de batería de repuesto del mismo modo que cuentan con los cargadores del teléfono.
Conectividad: el componente invisible
La mayoría de las gafas con IA se emparejan con un smartphone por Bluetooth, y es el teléfono el que proporciona la conexión a internet. Las gafas de pantalla como las de la gama XREAL utilizan en su lugar un cable USB-C, que transporta tanto el vídeo como la alimentación, sin batería alguna en las gafas. Los dispositivos industriales robustos suelen funcionar de forma autónoma con Android y su propia wifi, porque un técnico no puede depender de un teléfono personal. Al evaluar cualquier modelo, determina cuanto antes a qué debe estar conectado, porque esa dependencia condiciona el uso diario más que cualquier especificación.
Todo junto: qué ocurre cuando pides una traducción
Un ejemplo concreto permite unir todas las piezas. Tocas la patilla y te pones frente a un colega que habla alemán. El conjunto de micrófonos aísla su voz y transmite audio comprimido a través de tu teléfono hasta la nube, donde el reconocimiento de voz lo convierte en texto y un modelo de traducción pasa ese texto al inglés. La frase en inglés vuelve a las gafas y la guía de ondas la dibuja como un subtítulo que flota por debajo de tu línea de visión, aproximadamente un segundo por detrás de quien habla. Todos los componentes de este artículo han intervenido en esa frase, y el único que has notado ha sido el texto.
