Safeworld ha emergido del modo sigiloso el 5 de octubre de 2026 con una ronda de financiación semilla de más de 12 millones de dólares. La operación está liderada por Shine Capital y a16z Speedrun, y cuenta también con inversiones de Box Group, la dotación de Carnegie Mellon University, Innovation Endeavors y SV Angel.

La compañía está desarrollando evaluaciones de seguridad para robots impulsados por inteligencia artificial generativa. Sus fundadores son Ding Zhao, director del laboratorio Safe AI de Carnegie Mellon; Kyle Wong, ejecutivo de una empresa emergente; y Simo Rachidi, ingeniero especializado en aprendizaje automático.

La propuesta de Safeworld combina una réplica digital de un entorno concreto —por ejemplo, una esquina sin visibilidad en una fábrica— con una simulación del robot que ejecuta su software de control real. Sobre esa base, la plataforma puede generar miles de escenarios en los que aparecen personas que caminan, corren, se agachan, se arrodillan, tropiezan, caen o transportan cajas cerca de la máquina.

Las pruebas pueden analizar, según explicó el cofundador Kyle Wong, si un robot detecta a una persona que lleva una carga y si su velocidad y distancia de frenado son adecuadas para las condiciones de una instalación determinada. El objetivo es estudiar cómo responde el sistema ante variaciones en la presencia y el comportamiento de las personas dentro del entorno simulado.

Zhao señaló que el problema incluye la evaluación del riesgo en sistemas generativos de comportamiento probabilístico y la necesidad de establecer confianza antes de desplegar robots. En su interpretación, la seguridad robótica resulta más difícil de evaluar que la de los vehículos porque estas máquinas operan en espacios no estructurados y las instalaciones pueden aplicar requisitos de seguridad diferentes.

Safeworld ya trabaja con Gritt Robotics, que desarrolla simulaciones de seguridad para robots destinados a ayudar a trabajadores a instalar paneles fotovoltaicos en plantas solares de gran escala. Su director tecnológico, Vishal Dugar, afirmó que en estos sistemas es difícil demostrar mediante pruebas matemáticas formales que un brazo robótico será siempre seguro, por lo que su comportamiento debe evaluarse empíricamente.

Dugar añadió que las simulaciones deben recoger la diversidad de las personas que pueden encontrarse junto a los robots: diferencias de aspecto, postura, ropa, tamaño, altura y color de piel, además de comportamientos distintos alrededor de los brazos robóticos. En este tipo de aplicaciones, la evaluación no se limita al movimiento de la máquina, sino que también debe considerar cómo interactúa con personas que cambian continuamente de posición y actividad.

El socio de a16z Speedrun Jonathan Lai defendió que los estándares de seguridad se desarrollen mientras los robots se diseñan y se despliegan, en lugar de esperar a que se produzcan incidentes en hogares. Zhao también advirtió de que el despliegue a gran escala junto a personas que nunca han utilizado un robot plantea una preocupación mayor que las demostraciones realizadas en entornos controlados.

Safeworld aún no ha decidido si ofrecerá su producto como una plataforma para clientes externos, como servicios especializados o mediante una combinación de ambos modelos. Esa decisión comercial sigue abierta mientras la empresa desarrolla su sistema de evaluación y amplía su colaboración con fabricantes y operadores de robots.