Los OATs (Object-Agent Twins) son pequeños dispositivos con pantalla de tinta electrónica que se pegan a un objeto cotidiano y le dan una personalidad. Una planta con sed se muestra apurada. Una nevera con la puerta abierta demasiado tiempo se muestra frustrada. Detrás hay un proyecto de la Universidad Carnegie Mellon, firmado por Daehwa Kim y Chris Harrison, que ha recibido una mención de honor al mejor artículo en la conferencia UIST 2026. No es un producto comercial, sino un kit abierto y barato que combina sensores, una ESP32 y modelos de IA de Google. Lo interesante es el planteamiento. En lugar de enseñar números en un panel, el sistema convierte el estado de las cosas en emociones. Repasamos cómo funciona, qué midieron los investigadores y dónde están sus límites.

Un proyecto premiado y con base teórica

Kim es doctorando en el Human-Computer Interaction Institute de Carnegie Mellon. Trabaja con Chris Harrison en el Future Interfaces Group. El estudio se presentó en el simposio UIST 2026, celebrado en Detroit del 2 al 5 de noviembre. Además de la mención al artículo, la demostración recibió una mención del público.

La idea de partida es antigua. El Tamagotchi demostró que basta una criatura mínima, con pocas necesidades, para que alguien la cuide. Según Wikipedia, se han vendido más de 98 millones de unidades desde 1996. Los autores añaden un argumento de la psicología: tendemos a atribuir intenciones y emociones a los objetos. Si eso es cierto, usar un personaje como interfaz tiene sentido. Un dato crudo se ignora. Una cara triste cuesta más ignorarla.

Hardware barato y de bajo consumo

Cada OAT se basa en una ESP32-S3 de Waveshare con 8 MB de memoria flash. El firmware ocupa 0,96 MB. La pantalla es de tinta electrónica, bicolor, de 40 mm de diagonal. La batería es una LiPo de 3,7 V y 1100 mAh. Según el artículo científico, el coste total por unidad es inferior a 20 dólares, y cada sensor externo cuesta menos de 5.

Hay siete sensores. Tres van integrados: temperatura, humedad y nivel de sonido. El micrófono mide volumen, no graba audio. Los externos miden movimiento, agua o suelo, luz y presencia en la habitación.

El consumo explica casi todas las decisiones de diseño. En sueño ligero, el procesador gasta 6,1 mA. Despierto, unos 68 mA. Actualizar la pantalla cuesta 24 mA durante 570 ms. Conectarse al servidor y esperar la respuesta lleva unos 16 segundos a cerca de 100 mA. Según nuestros cálculos, cada conexión consume en torno a 0,44 mAh. Por eso el aparato intenta conectarse lo menos posible.

La autonomía no está del todo clara. El artículo habla de una semana aproximada. La página del proyecto avisa de que es un primer prototipo, con 3 o 4 días sin el sensor de sonido y solo uno con él.

Cómo decide el avatar qué siente

El dispositivo se despierta cada 2 segundos y lee los sensores. Compara cada lectura con las 3 anteriores, es decir, 6 segundos, y con las 30 anteriores, es decir, 60 segundos. Si la desviación supera tres veces la habitual, la marca como anómala. En temperatura y humedad añade un umbral fijo: 1,0 °C y 5 %.

Solo si detecta una anomalía, o cuando pasa una hora, abre la conexión Wi-Fi. Envía la lectura actual y las medias horarias de los últimos 14 días. En la nube, un modelo de Google, Gemini 3 Flash Preview, elige una de 12 emociones y explica el motivo en una frase. Esas emociones siguen el modelo circumplejo de Russell, que ordena los estados por agrado y activación.

Los dibujos también los genera la IA. Para cada objeto se crean 62 imágenes: 12 emociones con 5 fotogramas cada una, más una base y una expresión de «curioso» mientras se razona. Cada imagen mide 200 × 200 píxeles en 1 bit y pesa unos 5 KB. Todo suma unos 310 KB. Para que los detalles no se pierdan con solo dos colores, se aplica el tramado de Floyd-Steinberg.

Configurar un OAT sin programar

El proceso se explica en la página del proyecto. El aparato crea una red Wi-Fi propia, con nombre OAT seguido de su dirección MAC. Desde el móvil se introducen los datos de la red doméstica. Después se abre una página web donde se nombra el objeto y se describe su aspecto.

A continuación se eligen los sensores. El sistema propone una descripción de comportamiento positivo y otro negativo, que el usuario puede editar. Gemini aprovecha su conocimiento. Con una planta concreta, por ejemplo, propone intervalos de riego, humedad y luz adecuados. Generar las emociones lleva unos 10 minutos. En el estudio, los participantes tardaron una media de 15 minutos en crear su OAT completo.

Qué ocurrió en siete días

El estudio contó con 12 participantes, con una edad media de 27,4 años. Cada uno creó un OAT para un objeto propio: frigoríficos, hervidores, cajas de arena para gatos, lámparas de mesilla, una cama, una puerta, una fuente de agua, una cafetera, una impresora 3D, mancuernas y dos plantas. Hubo 68 cuestionarios diarios válidos de los 72 posibles.

Los resultados se midieron en una escala de 1 a 7. Los participantes valoraron con 6,1 que el OAT funcionaba bien y con 6,9 que querían quedárselo. La influencia sobre su comportamiento fue más modesta, con un 4,8. Diez de los doce describieron el avatar como «cute» o «adorable». El deseo de retocar el comportamiento bajó de 5,2 el primer día a 2,6 el sexto, señal de que los ajustes iniciales funcionaron.

Hubo cambios reales de conducta. Un participante reorganizó el frigorífico para contentar a su OAT. Otro hizo 10 minutos de fuerza con mancuernas que, según dijo, no habría hecho sin él. En una impresora 3D de resina, el OAT sirvió para mantener a las personas lejos de los vapores tóxicos. En una caja de arena, indicaba si el gato la había usado.

Trampas, culpa y límites

No todo fue ejemplar. Un participante dejaba caer agua sobre el sensor de la fuente para que su OAT se alegrara. Otro cambió el rango de humedad de su aguacate de 50-70 % a 10-70 % para verlo contento más a menudo. Con una cama, el sensor de presencia casi no detectaba a la persona dormida. El usuario terminó fijando una regla simple: tristeza solo si la cama quedaba vacía más de 16 horas.

También apareció la culpa. Varios admitieron sentirla cuando descuidaban la planta o no hacían ejercicio. Los autores lo reconocen como riesgo. Lo que empieza como encantador puede acabar en insistencia. En objetos como la puerta o la cafetera, el apego fue menor. Un participante habló de una relación «en una dirección», porque él se beneficia del aparato y el aparato no obtiene nada.

El propio equipo admite que una semana es poco y que el efecto novedad pesa mucho. Sus resultados hablan de adopción inicial, no de hábitos duraderos. También señalan que la expresión es limitada. Algunos usuarios querían preguntar por qué estaba triste el avatar. Hasta que consultaban la web, no sabían, por ejemplo, que la temperatura del frigorífico era demasiado alta.

Reflexiones adicionales

Lo más sólido del proyecto es su ingeniería sobria. Una ESP32, una pantalla de tinta electrónica y unos pocos sensores de menos de 5 dólares. Todo el diseño, además, es abierto. En nuestro caso, que trabajamos con la ESP32 y Home Assistant, es fácil imaginar réplicas caseras con otras reglas.

Lo más discutible es la dependencia de la nube. Cada decisión pasa por una API de Gemini. Los autores sugieren que, con modelos más pequeños, el razonamiento podría hacerse en local, incluso en una Raspberry Pi Zero. Hasta entonces, el aparato necesita internet y un servicio de terceros.

Queda por ver si un avatar sigue resultando útil al cabo de seis meses, cuando ya no sorprenda. Mientras tanto, el trabajo deja una idea práctica. Convertir un dato en una expresión puede mover más que mil notificaciones.