La ilusión óptica de cuatro LED que parecen una serpiente: por qué la imagen parece moverse

Si se colocan cuatro LED en un marco cuadrado y se encienden electrónicamente uno por uno en secuencia, nadie ve «cuatro luces», sino una «serpiente que gatea a lo largo de los lados del cuadrado». En realidad, no hay ningún objeto que se arrastre. Esto se debe a que el cerebro entrelaza la información de luz estática que llega con diferencias temporales, interpretándola erróneamente como un movimiento continuo. A este fenómeno se le denomina «movimiento Beta»¹.

La animación es una técnica que aprovecha esta ilusión óptica del cerebro. Ya sea que se dibuje a mano, que se mueva un modelo 3D en la computadora o que se pida a una IA que genere video, el principio fundamental es el mismo: mostrar imágenes estáticas en rápida sucesión para que el cerebro las interprete como movimiento¹. Lo único que ha cambiado es el «método» mediante el cual se crean los fotogramas estáticos². A continuación, exploraremos cómo estas técnicas, desde los principios de reconocimiento del movimiento por parte del cerebro, hasta la animación clásica de celdas, el rigging 3D y la reciente generación de video con IA, aplican dicho principio de formas distintas.

La ilusión de movimiento creada por el cerebro

Esta característica de la percepción no solo se manifiesta en dispositivos LED de laboratorio, sino que opera de manera común también en las pantallas LED que encontramos en la vida cotidiana¹.

La unidad básica que la animación tradicional utilizaba para implementar esta ilusión era el «fotograma» (frame). Cada dibujo individual que pasa rápidamente estimula el sistema visual del cerebro, transformando una disposición estática en una percepción dinámica¹. En última instancia, crear animación es similar a ensamblar con precisión imágenes estáticas para permitir que el cerebro del espectador complete el movimiento.

La estructura de la animación de celdas: dar vida al dibujo a mano

En el pasado, los estudios creaban láminas de plástico transparente, llamadas «celdas» (cell), para inducir esta ilusión óptica en el cerebro. El término «animación de celdas» proviene de las iniciales de la palabra «Celuloide» (Celluloid); es una técnica clásica de 2D que consiste en dibujar fotogramas sobre una lámina de plástico fina y transparente para crear movimiento³.

El proceso de trabajo se asemeja a una minuciosa línea de ensamblaje. Primero, se pinta el fondo por separado de manera opaca, y luego se delinea el contorno del personaje con tinta negra sobre la celda transparente. Después, se voltea la lámina para pintar los colores desde el reverso, completando la coloración³. Las celdas terminadas se colocan superpuestas sobre el fondo y se fotografiaban una a una para convertirlas en video³. Dado que era posible cambiar y colocar las celdas de los personajes sobre el mismo fondo, a menudo el fondo estaba representado con mayor detalle que los personajes mismos³.

La tasa de fotogramas (frame rate) utilizada en este proceso suele oscilar entre 12 y 24 imágenes por segundo³. Aunque la introducción de herramientas digitales redujo el uso de láminas físicas de celdas, el principio físico de generar imágenes estáticas que el cerebro pueda reconocer como movimiento permanece inalterado³.

La gramática de la animación para crear una sensación de peso físico

Si simplemente se pasan dibujos a 12 imágenes por segundo, el cerebro puede percibirlo únicamente como «un cambio rápido de pantalla». Para que el movimiento se sienta natural, se requieren dispositivos que vayan más allá del mero cambio de posición y que transmitan una sensación de peso físico e inercia.

Los animadores de Disney, Ollie Johnston y Frank Thomas, desarrollaron estas técnicas como los principios de la animación⁴. Estos principios han servido como referencia fundamental para el diseño de movimientos, tanto en la animación dibujada a mano como en el trabajo 3D actual⁴.

Por ejemplo, «Squash and Stretch» (Aplastar y estirar) otorga sensación de peso a través de la deformación de los objetos: cuando una pelota toca el suelo se aplasta, y al rebotar se estira⁴. El principio de «Anticipation» (Expectativa o Anticipación) crea realismo mediante un movimiento preparatorio previo a la acción; por ejemplo, hacer que un personaje se agache ligeramente antes de saltar para que el público se prepare para el movimiento que está por llegar⁴. Estos recursos hacen que la transición entre fotogramas no parezca un simple cambio de posición, sino que el objeto parece recibir un impacto y resistir la gravedad⁴.

La línea de producción de la animación 3D: insertar la estructura ósea y calcular

En la animación 3D basada en computadoras, no se dibujan los contornos a mano en cada ocasión. En su lugar, el movimiento se crea a través de un «pipeline» (tubería o cadena de producción), donde personas, hardware y software ejecutan tareas en un orden preestablecido para producir el resultado final².

En este proceso, la clave es el «Rigging» (esqueletizado o rig). El rigging consiste en insertar una estructura ósea dentro del modelo 3D, lo que permite al animador mover partes específicas de formas geométricas complejas de manera rápida y eficiente². La fase de animación, en la que se otorgan expresiones y movimientos al personaje con el esqueleto instalado, es la tarea más importante y que requiere más tiempo en toda la cadena de producción².

Una vez definido el movimiento, sigue la etapa de «Rendering» (renderizado). El renderizado es un proceso de cálculo que transforma los datos 3D en una imagen final 2D o en una capa de video². En la animación 3D, la escena se divide y renderiza en varias capas (objetos, colores, fondo, primer plano, sombras, luces de alto brillo, etc.), para luego reunirlas todas en una sola en la etapa de composición final, completando así los fotogramas². En esencia, el método para crear las imágenes estáticas que se envían al cerebro ha pasado de la fotografía física a la computación por computadora.

La generación de video con IA sin intervención manual

Las recientes tecnologías de generación de video con IA están cambiando la propia identidad de quien crea los fotogramas. En octubre de 2025, Kim Hyun-ho, desarrollador de KBDS, la filial de tecnología de información del Grupo Financiero KB, presentó un experimento realizado con «Veo3», el modelo de generación de video con IA de Google DeepMind⁵.

Kim Hyun-ho transformó primero la imagen estática de la mascota de KB Financial Group en un «fondo de playa» utilizando NanoBanana, para luego ingresarla en Veo3. Después, añadió una breve instrucción de texto (prompt) que indicaba «una escena donde el personaje saluda saludando suavemente con la mano»⁵. Sin procesos de modelado 3D, rigging o dibujo a mano, el personaje estático terminó moviendo la mano en la realidad, generando un video que incluía incluso el fondo y la música⁵.

Sin embargo, este método también tiene limitaciones que requieren verificación. Según la observación de Kim Hyun-ho, en los videos generados, ciertos personajes experimentaron micro-deformaciones en su forma entre fotogramas o una menor coherencia en las expresiones⁵. Aunque la IA se esfuerza por mantener la coherencia entre fotogramas, este caso demuestra que aún se necesitan la corrección y el ajuste humanos para lograr una viveza total⁵.

Así como el cerebro ve una serpiente al encender cuatro LED, ya sea que se pasen celdas, que se mueva un esqueleto o que se ingrese un prompt, es un hecho que el cerebro del espectador es quien crea el movimiento¹. Entender que no es que los dibujos cobren vida, sino que el cerebro entrelaza una sucesión de estados estáticos para interpretar movimiento, permite identificar con claridad el principio que atraviesa tanto el pasado como el futuro de la animación.