Esa primera locura de Elon Musk, al decidir lanzar un coche al espacio, como una especie de tributo por lo que había significado este vehículo para la empresa, se ha visto superada ahora al hacer que la nueva versión del coche vuele, aunque por ahora sean pocas distancias y parece que más bien salta como el coche fantástico, lo que el coche podrá hacer en el futuro es difícil de suponer.

Pero lo que no es difícil de intuir es que este coche supone mucho más que el lanzamiento de un nuevo producto, porque lo que más bien parece es la confirmación de la alianza definitiva entre Tesla y SpaceX.

El propio evento de presentación del coche se realizó en las instalaciones de SpaceX, además de que todo lo relativo a la propulsión para que el coche pueda volar proviene de los cohetes, pero de lo que hoy quería hablar es de Optimus, que también ha participado aunque de forma discreta en este acontecimiento.

Concretamente la aportación de Optimus al evento ha consistido en ceder parte de su tecnología, como son los actuadores que le permiten mover de sus extremidades, pero en este caso para realizar el movimiento del alerón trasero del vehículo.

De esta forma los alerones del Tesla Roadster usan un sistema de actuadores desarrollado para el robot Tesla Optimus, que activan el Modo Pista, lo cual le permite lograr una aerodinámica avanzada que genera una carga contra el suelo cercana a la de los coches de fórmula 1.

Por lo tanto, estamos ante un ejemplo más de la polinización cruzada que existe entre Tesla y SpaceX, en cuanto a trabajar conjuntamente, pero en este caso no de forma exclusiva compartiendo conocimiento sino ya directamente a través de los componentes que forman parte de sus productos.

Sin duda que esta polinización tiene muchos más ejemplos, por ejemplo en materia de paneles solares, en los modelos de IA, incluso en los chips de nueva generación que van a construir conjuntamente a través de Terafab.

¿Y por qué es importante todo esto que estoy contando? Básicamente porque las posibilidades de una fusión entre Tesla y SpaceX son cada vez más altas y esto puede tener unas consecuencias muy importantes para el futuro del robot Optimus.

Pensemos por ejemplo en lo sucedido con la fusión de xAI y SpaceX previa a la salida a bolsa, donde la gran expectativa generada por la posibilidad de crear datacenters en el espacio facilitó una captación de inversión sin precedentes, lo cual permite que ahora SpaceX tenga mucha más facilidad para desarrollar sus planes.

Del mismo modo, con la presentación del Tesla Roadster volador y esta nueva puesta en escena de la colaboración entre Tesla y SpaceX lo que se está poniendo de manifiesto es que no hay límite a las posibilidades y las capacidades de la empresa para desarrollar tecnología y ponerla en el mercado.

Es cierto que los plazos que impone Musk nunca se cumplen y que las estimaciones son muy exageradas, pero la realidad es indiscutible, por ejemplo respecto a la capacidad de poner carga útil en el espacio y crear la mayor red mundial de comunicaciones satelitales.

Pero volvamos a Optimus, que al fin y al cabo es lo que más nos interesa en Integrarobot y aprovechemos para hacer una actualización de su estado de desarrollo.

Porque ahora que a Tesla le toca dar cuentas de sus resultados y ha presentado su informe para la junta de accionistas ante la SEC, se pueden conocer más datos que nos vienen muy bien para conocer el estado de desarrollo de Optimus. Concretamente esto es lo que dice el informe:

1. La versión 3 de Optimus preparada para producción en masa es uno de los 4 hitos que se destacan en la infografía con la que se inicia el informe, junto con más de 10 millones de vehículos entregados, más de 130 GWh de almacenamiento desplegados y el Robotaxi solo con visión en EE. UU.

2. Entre las inversiones en infraestructura de 2026 se habla de la construcción de las primeras líneas de producción de Optimus. Se menciona en la misma frase que la fábrica del Semi en Nevada y que la nueva capacidad de centros de datos para entrenar sus sistemas de Super Inteligencia.

3. Junto con las decisiones que Tesla atribuye a su estructura de gobierno figura aplicar a los robots lo aprendido en conducción autónoma y pone Optimus como ejemplo definiéndolo como robot humanoide autónomo de propósito general.

4. Dentro de la transición de un negocio centrado en hardware a una empresa de Super Inteligencia Física se menciona el refinamiento del diseño de Optimus preparado para producción y lo agrupa con los avances en FSD, el lanzamiento del Robotaxi y la ampliación de la infraestructura de entrenamiento.

Nada más y nada menos. Es decir, seguimos sabiendo muy poco sobre Optimus 3, pero mi conclusión es que la empresa ya no está interesada en demostrar las grandes capacidades del robot, sino en que es capaz de producirlo en masa, porque realmente es lo que el mercado necesita.

Lo que piensa Cathie Wood sobre el futuro de Optimus

Coincidiendo con la publicación del informe del estado de Tesla, la firma de gestión de inversiones ARK liderada por Cathie Wood ha aprovechado para reformular su valoración de la empresa, planteando varios escenarios e incluyendo a Optimus en la fórmula que le permite decir que en 2031 una acción de Tesla podría valer 4400 dólares.

“Creemos que Optimus Robot-as-a-Service (RaaS) probablemente experimentará un punto de inflexión a medida que los robotaxis continúen proliferando, como se muestra a continuación”.

Concretamente en el modelo de cálculo que ARK acaba de publicar se indica que Optimus podría hacer una aportación al negocio de Tesla de 2,29 billones de dólares en 2031, lo que representaría el 14 % del valor empresarial que se estima para la empresa.

Para llegar a esa cifra calcula un millón de robots vendidos a otras empresas de forma acumulada y unos ingresos anuales de 212.000 millones de dólares. La clave está en que Tesla podría cobrar una suscripción por el trabajo de esos robots, de manera que cada Optimus instalado se convertiría en una fuente de ingresos recurrentes que podría crecer a medida que mejorasen sus capacidades.

Por supuesto, hablamos de una previsión que depende de que Tesla consiga fabricar esos robots, hacer que trabajen con suficiente autonomía y fiabilidad y convencer a las empresas de que merece la pena pagar por ellos.

Además se considera que aumentar la capacidad de cómputo permitirá acercar Optimus al rendimiento humano hacia 2031, pero esa relación todavía tiene que demostrarse en el propio robot.

Impresionantes cifras e increíbles estimaciones, pero de lo que no dice nada ARK es de si pronto veremos a Optimus fabricando los hábitats para astronautas en Marte, que es lo que a mi realmente me interesa.

Más noticias sobre IA Física y robótica

🏭 Siemens muestra con NVIDIA cómo utilizar agentes de IA para reorganizar la producción en su fábrica de Erlangen. Los agentes comparan materiales, capacidad y plazos; los cambios se prueban en un gemelo digital y un responsable aprueba el plan antes de aplicarlo.

🦾 Schaeffler abre en Taicang una fábrica donde, según la compañía, seis humanoides trabajan en cinco estaciones ensamblando módulos articulares para otros humanoides. La instalación reúne fabricación, entrenamiento, datos y gemelos digitales.

🚜 AGCO firma un acuerdo con Agility Robotics para probar Digit en su fábrica de maquinaria agrícola de Hesston, Kansas. El piloto está previsto para 2027 y comenzará con clasificación y apilado de piezas y colocación de contenedores.

💰 Eka Robotics anuncia una serie A de 150 millones de dólares liderada por a16z y F-Prime. Su modelo de visión, fuerza y acción combina simulación y aprendizaje por refuerzo para mejorar la manipulación; la empresa declara hasta 1.500 operaciones por hora en sus pruebas.

🔋 Agility Robotics elige a Nyobolt para la batería de Digit 5 y anuncia 90 minutos de funcionamiento por nueve de recarga, con el objetivo de superar 20 horas de trabajo al día. El acceso inicial se prevé para el primer semestre de 2027.

🛠️ ASPIRE utiliza agentes de programación para escribir programas de control robótico, examinar los fallos de ejecución y guardar las correcciones validadas como habilidades reutilizables. El proyecto de NVIDIA muestra pruebas en simulación y robots reales.

🔎 RAX propone que un agente aprenda explorando con el robot y convierta lo descubierto en programas verificables, sin demostraciones humanas ni entrenamiento de una política para las tareas estudiadas. El proyecto publica código, habilidades y registros de sesiones reales.

🏷️ Flora reúne modelos abiertos de NVIDIA para describir acciones en vídeo y generar etiquetas sobre el progreso y el resultado de tareas robóticas. La compañía afirma que su sistema, utilizado para entrenar GR00T, etiqueta 200.000 horas de datos al día con 512 GPU GB300.

👷 General Intelligence Labs explica cómo convertir el trabajo cotidiano en datos para robótica mediante sus dispositivos EGO1 y EGO1GS y un servicio de procesamiento y revisión. El sistema combina grabaciones desde la perspectiva del trabajador con reconstrucción de movimientos y profundidad.

⚙️ 120ft presenta Factory OS, una propuesta para conectar modelos de IA, robots y plataformas de automatización mediante agentes, árboles de ensamblaje y simulación física. La empresa plantea reducir el esfuerzo de programación para que resulte viable automatizar pedidos pequeños.

🧬 OpenAI adquiere Orchestra Bio para combinar su plataforma de coordinación del desarrollo de fármacos con los modelos y herramientas Rosalind. Busca ayudar a los equipos a conectar resultados científicos, estudios, decisiones y siguientes pasos.

🧠 NEURA Robotics presenta Neuron AI, un modelo que integra visión 3D, tacto, fuerza, sonido, estado del robot y lenguaje con memoria. Según la compañía, funciona en cinco tipos de robots de su catálogo y permite distribuir habilidades mediante Neuraverse. Además NEURA Robotics se alía con NXAI, la empresa de Sepp Hochreiter, para desarrollar memoria robótica basada en la arquitectura recurrente xLSTM. También prevén incorporar un modelo de NXAI a Neuraverse.

Su visión, se aleja bastante de la dominante entre los fabricantes de robots humanoides, solo hay que ver lo raro que es su robot OP1 para darse cuenta de dónde han puesto el foco: el despliegue.

El despliegue, para esta empresa es el cuello de botella de la robótica y por eso dicen que solo piensan en poner el robot a trabajar en el mundo real, hacerlo útil, mantenerlo funcionando, ganarse la confianza de las personas que trabajan a su lado, y hacerlo una y otra y otra vez.

Decirlo parece fácil, pero el que haya tan pocas empresas de robótica con este grado de desarrollo lo que a mi me hace pensar es que en Ultra Robotics han dado con una clave que la mayoría de fabricantes de robots humanoides aún no tienen: la Inteligencia Artificial.

Y lo interesante en este punto es que esa IA no la han desarrollado ellos, sino Physical Intelligence que es una de las startups de IA Física más avanzada del momento, por lo tanto aquí tenemos que hablar de un mérito compartido de dos empresas que realmente están a la vanguardia de la robótica: Ultra por poner los robots a trabajar y PI por dotarles de inteligencia para poder hacer el trabajo.

La pregunta en este punto es por qué hay tan pocas empresas con este nivel de implantación y dónde están poniendo el foco el resto de actores de la industria de la robótica humanoide.

La respuesta no es sencilla pero voy a atreverme a dar mi visión ya que llevo casi 2 años dedicado a estudiar este sector y poco a poco voy formándome una opinión que intento compartir semanalmente por aquí.

Lo que ocurre con los robots humanoides es que solo estamos viendo la punta del iceberg, ya que tenemos que basarnos en las demostraciones que vemos en la red, pero una vez que toda esa industria pase de estar en modo desarrollo a modo despliegue el impacto que vamos a ver en la economía va a ser increíble.

Entonces, ¿Por qué el resto de empresas no han pasado aún a modo despliegue? bueno, en primer lugar lo que hay que aclarar es que lo que están demostrando desde Ultra es primero que no tienen vergüenza, de que su robot parezca un extraterrestre y en segundo lugar que este discurso es el que han elegido dentro de una campaña de marketing para darse a conocer, pero es normal que otras empresas decidan usar otros argumentos dentro de su estrategia.

Sin quitarle un ápice de mérito a Ultra Robotics, lo que quiero transmitir es que no es una excepción, sino que el sector está mucho más avanzado de lo que parece, lo que ocurre es que pocas son las empresas que se atreven a mostrar sus avances de una forma tan abierta.

Esta frase, que pertenece a un libro de Ernest Hemingway, se ha usado mucho para representar cómo sucede el avance de la tecnología y en este caso, a riesgo de equivocarme, creo que representa bastante bien que una tecnología tan difícil como es la robótica humanoide no puede llegar a desplegarse de la misma forma que lo han hecho anteriormente otras tan populares como el iPhone y ChatGPT.

Wang Xingxing, el CEO de Unitree, lo ha expresado así recientemente:

“Hemos implementado GPT-6 en varios robots. Lo hemos probado en una variedad de tareas y los resultados han sido realmente muy buenos. Nuestra empresa y otras compañías de robótica ya están ejecutando implementaciones piloto en fábricas. Para lograr una adopción a gran escala, sin embargo, tanto la generalización como la eficiencia aún necesitan mejorar más. Pero creo que estos desafíos podrían resolverse muy bien en los próximos años. Mi fe en la IA se fortalece cada año. El mayor error que he cometido en la última década ha sido no creer lo suficiente en la IA. La implementación en servicios comerciales podría suceder incluso más rápido que en entornos industriales”.

Efectivamente la posibilidad de que GPT-6 Astra pueda controlar robots está resultando toda una revolución en el sector de la robótica, pero por si eso fuera poco, acaba de llegar Google de nuevo a la fiesta presentando Gemini 4 Argon, que también destaca en capacidades de IA Física, hasta un punto que resulta sorprendente para sus propios desarrolladores. Al menos así lo ha contado Steven Hansen, que es líder en Agentes Físicos de Gemini y Razonamiento Encarnado en Google DeepMind:

“Argon es tan bueno en robótica que todo nuestro equipo está teniendo una crisis existencial en este momento”.

¿Exagera o realmente estamos ante un nuevo salto en la aplicación de la IA a la robótica?

Algo me dice que puede ser un poco de todo, porque Google se estaba quedando atrás en la carrera de la IA frente a OpenAI y Anthropic, por lo que nuevamente tiene que demostrar su poderío tecnológico, pero por otro lado lo que vemos con el tiempo es que realmente es capaz de ponerse a la altura haciendo grandes aportaciones al sector.

En fin, que esto no para de acelerar y efectivamente parece que poco a poco va llegando el momento del despliegue de los robots.

Para aprender más sobre robótica e IA Física suscríbete a la comunidad de Integrarobot y podrás hacer nuestro curso.

Suscríbete ahora

Más noticias sobre robótica e IA Física

Empezamos esta recopilación de noticias con una especialmente importante porque habla del crecimiento de las empresas de IA Física. Se trata del hito de facturación logrado por Microagi que en 6 meses ha logrado 100 millones de dólares en ingresos recurrentes anuales, mucho más rápido aún que los logros recientes de las empresas de IA Generativa.

🧠 Physical Intelligence abre la beta de su API para adaptar sus modelos robóticos con datos propios y ejecutar inferencia desde la nube. La empresa aporta la infraestructura de entrenamiento y muestra aplicaciones en cocina, agricultura y maquinaria pesada. El paso acerca la inteligencia como servicio a la robótica y permite a los desarrolladores concentrarse en sus tareas, robots y datos.

🤖 Agility Robotics detalla las condiciones de su pedido de 300 millones de dólares para 1.000 Digit 5: cada caso de uso demostrado desbloquea otro tramo de robots. La disponibilidad general se sitúa entre finales de 2027 y principios de 2028. Una señal de cómo se construye la adopción industrial: capacidad demostrada, objetivos de productividad y despliegue progresivo.

🚗 XPeng prevé empezar a vender su humanoide Iron en el segundo semestre de 2027, después de probarlo en sus tiendas y oficinas. Su presidente, Brian Gu, plantea usos iniciales en recepción y apoyo comercial. La apuesta conecta vehículos inteligentes y humanoides mediante chips propios, software y cadena de suministro, aunque el calendario anunciado todavía debe materializarse.

🧬 Multiply Labs capta 75 millones de dólares en una ronda liderada por Patrick Soon-Shiong, con participación de AstraZeneca y Teradyne. Sus sistemas robotizan pasos manuales de fabricación de terapias celulares y génicas utilizando los instrumentos existentes. La oportunidad está en escalar la fabricación de medicamentos: acelerar el descubrimiento con IA exige también resolver cómo producir los tratamientos.

⚙️ Atomic Machines se presenta tras seis años de desarrollo y 250 millones de dólares de financiación acumulada. Su Matter Compiler busca fabricar micromáquinas funcionales directamente desde diseños digitales; su primer producto es PrimeSwitch, un relé para sistemas eléctricos de centros de datos. La propuesta une diseño y fabricación en un ciclo donde la IA experimenta, mide y corrige sobre hardware real.

🏭 Mujin incorpora a SK Square a su financiación, según la cobertura publicada. Su plataforma MujinOS coordina robots y equipos de automatización en fábricas y almacenes, conectando manipulación, movilidad y planificación. La operación refuerza el interés por el software industrial que convierte máquinas de distintos fabricantes en un sistema capaz de trabajar de forma coordinada.

💰 Mecka anuncia una serie B de 60 millones de dólares liderada por Sequoia, con NVIDIA, M12 y Qualcomm Ventures entre los nuevos inversores. La compañía combina captura de demostraciones humanas, preparación de datos e integración de robots en empresas. Su estrategia conecta datos y despliegue: aprender del trabajo real, adaptar los modelos y mantener los sistemas operando donde se genera la experiencia.

🛟 Minerva Humanoids se presenta con unos 10 millones de dólares de financiación inicial liderada por General Catalyst. Su robot Roger combina control remoto por un especialista con IA para equilibrio y navegación, orientado a trabajos peligrosos en energía y seguridad pública. La autonomía compartida ofrece una vía de utilidad temprana: mantener el criterio profesional y trasladar al robot la exposición física al peligro.

📹 Pantheon afirma haber registrado más de un millón de tareas en ocho semanas con interfaces manuales UMI, a un coste de 10 dólares por hora de datos. También anuncia una muestra de 100 horas e incluye errores y recuperaciones. La apuesta por datos diversos busca enseñar a los robots tanto a ejecutar acciones como a recuperarse cuando una manipulación sale mal.

🌍 RoboJEPA presenta un modelo del mundo entrenado con datos de 12 plataformas robóticas y versiones de hasta 8.000 millones de parámetros. Sus autores encuentran mejoras predecibles de predicción y planificación al aumentar la computación, con pruebas en robots reales. El trabajo aporta evidencia sobre el escalado de modelos que anticipan las consecuencias de una acción antes de ejecutarla.

🗂️ Interlatent presenta Dataroom, un espacio de trabajo donde agentes procesan vídeos, analizan telemetría y generan anotaciones que las personas pueden revisar y corregir. Los resultados se exportan como conjuntos de datos para entrenamiento y análisis. La propuesta aborda un cuello de botella práctico: convertir grabaciones dispersas en datos utilizables, con trazabilidad de las decisiones y las correcciones.

📱 PhoneBot propone un humanoide abierto que reutiliza un smartphone como unidad de percepción y computación, aprovechando su cámara, sensores y conectividad. Su estructura incorpora 13 actuadores y el trabajo muestra locomoción, seguimiento de personas e interacción. Una vía para abaratar la experimentación en educación y prototipado mediante componentes de consumo que ya integran buena parte de la electrónica necesaria.

🔎 Robo Dir reúne más de 3.400 conjuntos de datos relacionados con robótica y permite buscarlos por necesidades como teleoperación, manipulación bimanual o información táctil. También ofrece acceso mediante MCP para agentes de IA. El recurso facilita encontrar datos adecuados, aunque sus tamaños y licencias deben confirmarse en las fuentes originales antes de incorporarlos a un proyecto.

📊 Kai Williams analiza por qué evaluar modelos robóticos resulta especialmente difícil: pocas tareas, ensayos caros, reinicios manuales y diferencias entre simulación y realidad. Una clasificación puede cambiar mucho según qué capacidades se midan. La lectura ayuda a interpretar los benchmarks con criterio y a exigir pruebas sobre las tareas y condiciones concretas de cada despliegue.

✋ Chris Paxton identifica la destreza y la percepción táctil como grandes tendencias de IROS 2026. La mayor disponibilidad de manos y guantes de captura permite experimentar con manipulación de varios dedos, mientras el contacto queda cada vez más oculto a las cámaras. El avance desplaza la atención hacia sentir y controlar las fuerzas necesarias para trabajar con objetos reales.

🛠️ Anatomy propone una skill para crear explicaciones técnicas mediante máquinas e ilustraciones interactivas, desde mecanismos de relojería hasta motores. Su enfoque vincula el movimiento y las lecturas visuales a un mismo modelo de comportamiento. Un recurso interesante para la formación en robótica, donde observar cómo funciona un mecanismo puede hacer comprensibles ideas difíciles de explicar solo con texto.

🎙️ Detrás del Inversor me invita a conversar en el podcast sobre cómo posicionarse ante la IA Física. Hablamos de humanoides, datos, simulación, componentes, costes, la carrera entre China y Estados Unidos y los modelos de negocio alrededor de los robots. Una conversación para conectar la evolución tecnológica con las oportunidades profesionales y empresariales que empieza a abrir este sector.

Lo que ocurre es que aquí no debemos achacarle todo el mérito a la IA, sino que ya anteriormente se han producido algunos avances tecnológicos que sirven de cimiento para este fenómeno que vamos a explicar hoy, el de la fabricación por vibraciones.

A saber, del mismo modo que el vibe coding ha supuesto una popularización del desarrollo de software y ahora cualquier persona con una idea de una herramienta digital que resuelva un problema concreto, la puede desarrollar usando Claude Code, Codex, Cursor o incluso Lovable, lo que vamos a plantear aquí es que esto está empezando a ocurrir también en el ámbito de los productos físicos, no sólo digitales.

En este punto lo primero que hay que aclarar para que la gente no se alarme es que no estamos hablando de sustituir lo tradicional sino de algo nuevo que viene a cubrir un vacío existente. Por ejemplo, si una empresa ya tiene su ERP con SAP o su CRM con Salesforce, nadie, por ahora, va a sustituirlo creando desde cero una nueva aplicación con Vibe Coding.

Sin embargo, lo que viene a ofrecer la programación por vibraciones es una solución a todas esas empresas que usan Excel como si fuera una herramienta de gestión de proyectos en lugar de una hoja de cálculo. Eso sí que se puede hacer por parte de cualquier persona que le eche tiempo y ganas, sobre todo si tiene la idea clara de que no se trata de crear un un software que usen millones de personas, sino algo básico que resuelva una necesidad concreta que hasta ahora estaba sin resolver, mal resuelta o a un precio inasequible para esa persona.

Dicho esto, vamos con el caso de la fabricación porque esto tiene connotaciones muy importantes para el ámbito de la robótica, que es el que aquí nos ocupa. Aunque qué duda cabe que eso de codificar por vibraciones también tendrá su utilidad con los robots por ejemplo para crear pequeños programas que permitan dotarlo de funciones concretas. Pero eso es otra historia.

Por cierto, que estoy dando por hecho qué todo el mundo conoce el concepto de vibe coding, pero por si alguien aún no lo había escuchado con ese nombre vamos a aprovechar para darle mérito a su creador, Andrej Karpathy:

Hay un nuevo tipo de programación que llamo “vibe coding”, donde te entregas por completo a las vibras, abrazas las exponenciales y olvidas que el código siquiera existe. Es posible porque los LLM se están volviendo demasiado buenos. Además, solo le hablo a la Inteligencia Artificial, así que apenas toco el teclado. Pido las cosas más tontas como “reduce el padding en la barra lateral a la mitad” porque soy demasiado perezoso para encontrarlo. Siempre “Acepto Todo”, ya no leo las diffs. Cuando recibo mensajes de error, solo los copio y pego sin ningún comentario, usualmente eso lo arregla. El código crece más allá de mi comprensión habitual, tendría que leerlo realmente por un buen rato. A veces los LLM no pueden arreglar un bug, así que solo le doy la vuelta o pido cambios aleatorios hasta que desaparece. No está tan mal para proyectos desechables de fin de semana, pero sigue siendo bastante divertido. Estoy construyendo un proyecto o una webapp, pero no es realmente programar: solo veo cosas, digo cosas, ejecuto cosas y copio y pego cosas, y la mayoría funciona.

Y ahora sí, volvamos al tema de la fabricación y lo primero que tenemos que preguntarnos es si estas ideas pueden aplicarse a lo físico, no solo a lo digital. Entonces, la respuesta es que sí, por eso estamos hablando de ello en Integrarobot y por eso vamos a ver de qué se trata.

Pero lo primero que hay que hacer es aclarar que no se trata de algo totalmente nuevo sino más bien de una evolución, porque al igual que sucedió en el mundo de la programación, no es que se parta de cero para tener algo completamente diferente, sino que el que caso de crear código ya se venía de un progreso con los frameworks de programación que de una u otra forma estaban anticipando esto de que el programador ya no tiene que escribir todo el código sino realizar más bien un trabajo de supervisión. Entonces, en el caso de la fabricación el antecedente sería el movimiento maker, que ya hizo mucho por popularizar que cualquier persona que no fuera ingeniero industrial o electrónico, pudiese meterse a trabajar con cosas como las impresoras 3D, Arduino, Raspberry Pi, Scratch, Autocad, etc.

Aunque aquí hay que dejar claro que estas tecnologías han facilitado mucho el acceso pero no tanto como para que cualquier persona se pudiese poner a fabricar sus propios productos físicos, que es justo lo que está empezando a pasar ahora con Vibe Manufacturing 🏭.

Veamos a continuación de qué se trata y cómo se está empezando a convertir en algo popular.

Para entender el concepto lo primero que vamos a hacer es poner un ejemplo, concretamente de Nikita Bier, que es un emprendedor en serie que además ha trabajado como director de producto de x.com y que lo cuenta de la siguiente manera:

Estamos entrando ahora en una era en la que cualquier producto puede crearse exactamente según las preferencias y necesidades del consumidor. Fabriqué por vibración una puerta para perros con una cerradura controlada por wifi, perfectamente según las especificaciones y el diseño de mi casa. No sé nada sobre fabricación de metales ni ingeniería eléctrica. Ahora se está fabricando y se entregará en 2 semanas, por un costo casi igual al de comprar un artículo producido en masa directamente de la estantería.

Sobre este caso, lo primero que hay que aclarar es que como bien dice Nikita, está fabricando algo exclusivo para su casa, no está creando un nuevo producto comercial y eso es lo que cambia la situación porque la idea principal que quiero transmitir aquí es que la fabricación por vibraciones complementa, no sustituye. Es decir, seguiremos comprando muchas cosas producidas en grandes fábricas en cantidades masivas, pero para situaciones muy concretas recurriremos a la IA, las impresoras 3D y otro tipo de máquinas o robots para fabricar nuevos productos 100% a medida de nuestras necesidades.

💡 Cómo empezar en el vibe manufacturing en diez pasos

1. Empieza por algo pequeño que te resulte útil. Un soporte, una carcasa o un organizador permiten recorrer todo el proceso sin la complejidad de desarrollar un dispositivo completo. Si quieres venderlo, habla primero con quienes lo utilizarían para entender qué necesitan y cómo lo resuelven ahora.

2. Mide antes de pedirle nada a la IA. Anota dimensiones, puntos de fijación, cargas y espacio disponible. Un calibre digital te ayudará con las piezas pequeñas, porque la IA necesita datos concretos para diseñar algo que encaje.

3. Convierte tu idea en instrucciones de diseño. Explica qué debe hacer la pieza, con qué objetos tiene que encajar y qué medidas puedes modificar. Pide un diseño paramétrico, es decir, uno que puedas ajustar cambiando valores sin empezar de nuevo.

4. Elige unas pocas herramientas y aprende a combinarlas. Para empezar, una IA que genere código, como Claude Code o Codex y OpenSCAD te permiten trabajar con piezas descritas mediante instrucciones. Si necesitas modelos sólidos exportables en STEP, puedes explorar CadQuery. Añade acceso a una impresora 3D, propia o de un taller, para cerrar el recorrido del diseño a la pieza.

5. Prepara el archivo que necesita quien va a fabricar. Una imagen atractiva no contiene toda la información necesaria. Según el proceso, te pedirán STEP para geometría sólida, DXF para perfiles de corte o STL y 3MF para impresión 3D. Confirma formato, unidades y requisitos con el proveedor. Documentación de exportación de CadQuery.

6. Comprueba que el diseño se puede fabricar. Revisa espesores, agujeros, holguras y acceso para montar las piezas. La IA puede ayudarte a detectar problemas, pero las limitaciones del proceso y la revisión de un profesional deben guiar las decisiones cuando haya cargas o riesgos relevantes.

7. Haz un primer prototipo barato. Imprimir en plástico permite comprobar dimensiones, montaje y comodidad de uso antes de encargar una versión más costosa. Que encaje es un avance; su resistencia y durabilidad requieren pruebas adicionales.

8. Añade electrónica cuando la función lo justifique. Si necesitas sensores o conectividad, empieza con una placa de desarrollo y componentes disponibles. Para proyectos sencillos de domótica, ESPHome permite trabajar con microcontroladores como el ESP32 e integrarlos con Home Assistant. Una placa electrónica propia puede esperar.

9. Prueba, corrige y vuelve a fabricar. Utiliza la pieza en las condiciones previstas y registra qué falla. Conserva las versiones del diseño y los resultados: ese historial te ayudará a entender qué has mejorado y qué sigue pendiente.

10. Haz las cuentas antes de convertirlo en negocio. Incluye materiales, fabricación, montaje, embalaje, transporte, fallos y atención al cliente. Fabricar bajo pedido puede reducir inventario, pero vender exige también revisar seguridad y requisitos aplicables. Aumenta las cantidades cuando tengas evidencia de demanda y un proceso repetible.

Y eso es todo sobre el Vibe Manufacturing 🏭 una tendencia que quizás ahora pueda parecer muy de nicho pero que estoy convencido de que va a tener un impacto enorme en el desarrollo de de la robótica. Pero no solo de la robótica porque creo que también va a ser la pieza que faltaba para que por fin veamos que comienza la reindustrialización de occidente. No creo que en China tengan que preocuparse mucho por el futuro porque allí también van a tener trabajo de sobra, pero lo que creo cada vez más claro es que la situación ya no va a estar tan mal distribuida como lo ha estado en las últimas décadas.

Más noticias sobre IA Física y robótica

🧠 Runway anuncia Praxis-1, un modelo de acción que aprovecha el preentrenamiento con vídeo para controlar robots. Ya lo prueba con Noble Machines, Standard Bots y Ultra, y prevé publicar sus pesos abiertos en los próximos meses. La apuesta es aprovechar el conocimiento físico aprendido del vídeo para reducir la dependencia de demostraciones robóticas caras de recoger.

✋ Boston Dynamics presenta las nuevas manos de Atlas, con 13 grados de libertad y un diseño pensado para trabajar con herramientas, aprender en simulación y facilitar la fabricación y reparación. La decisión refleja un reto central de los humanoides: combinar destreza con resistencia, fuerza y mantenimiento para que las manos soporten el trabajo industrial.

💰 RobCo supera los 1.000 millones de dólares de valoración en una operación que combina nueva inversión con la venta de acciones de empleados. La empresa de robótica industrial duplica su valoración en nueve meses y refuerza una vía de desarrollo de la IA Física: automatizar procesos de fabricación concretos con soluciones diseñadas para desplegarse en empresas.

🛟 Minerva Humanoids se presenta con unos 10 millones de dólares de financiación inicial liderada por General Catalyst. Su humanoide Roger está orientado a trabajos peligrosos en energía y seguridad pública: un especialista controla las acciones críticas a distancia, mientras la IA gestiona equilibrio y navegación. La propuesta busca trasladar al robot el riesgo físico y mantener el criterio humano.

🏭 ANYbotics lanza Shift, una plataforma que conecta flotas de robots, mapas de planta, análisis de inspecciones y sistemas de mantenimiento. Permite convertir anomalías confirmadas en órdenes de trabajo e integrar las inspecciones con herramientas como SAP e IBM Maximo. El valor del robot crece cuando sus mediciones activan decisiones dentro del funcionamiento habitual de la empresa.

📊 Anthropic publica un estudio que estima que los robots pueden realizar el 74 % de las tareas físicas del trabajo estadounidense, principalmente en entornos controlados, pero solo serían competitivos en coste para el 0,3% de las tareas laborales bajo sus supuestos. El análisis utiliza Claude para evaluar capacidades y muestra por qué conviene distinguir entre poder ejecutar una tarea y automatizarla de forma rentable.

🔋 Panasonic Industry reúne su oferta de componentes para humanoides, desde motores y sensores táctiles hasta condensadores, conectores y gestión térmica. Su propuesta recuerda que construir robots exige una cadena de suministro capaz de resolver energía, movimiento, percepción y refrigeración. La oportunidad industrial también alcanza a quienes fabrican las piezas que hacen viable el conjunto.

⚙️ Silica abre las reservas de su serie Q de actuadores y sitúa el inicio de producción en enero de 2027. Su propuesta mide el par en la salida de la articulación, en lugar de estimarlo únicamente a partir de la corriente del motor, para registrar mejor las fuerzas de contacto. Esa información puede ayudar tanto al control del robot como a la calidad de los datos con los que aprende.

🤏 Linkerbot muestra su mano robótica O6, con seis grados de libertad activos, cinco pasivos y un peso declarado de 360 gramos. El fabricante la orienta a humanoides, manipulación logística y ensamblaje industrial, con sensores táctiles opcionales. Es una propuesta que combina ligereza y una mecánica relativamente sencilla para facilitar la incorporación de manos robóticas a distintas plataformas.

🧤 DITTO-X presenta una interfaz de teleoperación con retorno de fuerza y contacto que funciona con tres manos robóticas diferentes. Su teleoperación inversa mueve los dedos del operador para alinearlos con la mano del robot antes de que tome el control, reduciendo los saltos de postura que pueden hacer caer un objeto. El trabajo conecta mejores demostraciones de entrenamiento con intervenciones humanas más fluidas.

🏠 Flourish ofrece reservas de su robot doméstico por 3.555 dólares, con un depósito de 1.555 dólares y una primera serie anunciada de 50 unidades para diciembre de 2026. La empresa propone enseñar tareas desde el móvil mediante demostraciones de unos 30 minutos. La facilidad de entrenamiento es una apuesta interesante para el hogar; su fiabilidad cotidiana todavía deberá comprobarse con las primeras entregas.

🎭 Galbot pone precio a su humanoide ET1: según la información publicada, parte de 79.000 yuanes, con versiones Pro y Flagship de 139.000 y 179.000 yuanes. Está orientado a interacción y entretenimiento, y las configuraciones superiores añaden capacidades de aprendizaje y más computación. La segmentación permite comparar cuánto se paga por el cuerpo y cuánto por sus capacidades adicionales.

🦾 Ars Technica repasa la expansión de los exoesqueletos, con ejemplos de asistencia física en IKEA y en tareas de transporte de cargas. Estos dispositivos muestran otra vía para aplicar la robótica: ampliar la capacidad humana y reducir el esfuerzo mientras la persona conserva el control del trabajo. Su adopción dependerá del beneficio real, la comodidad y la seguridad en cada tarea.

🎙️ Future for Work Institute me invita a su podcast para conversar sobre el estado de los humanoides y su posible impacto en las organizaciones. Hablamos de IA, escasez de talento, envejecimiento de la población activa y los retos económicos y sociales de su adopción. Una conversación para entender cómo puede cambiar el futuro del trabajo y qué deben empezar a explorar las empresas.

¿Qué lleva a una empresa que se dedica al desarrollo de LLMs a contratar un ingeniero de diseño de actuadores?

Si leemos la oferta de empleo queda bastante claro que OpenAI quiere diseñar sus propios actuadores para robots:

“Buscamos un Ingeniero Sénior de Diseño e Integración de Actuadores para liderar el desarrollo de actuadores electromecánicos personalizados para sistemas robóticos avanzados”

Para mi esta noticia ha llegado en un momento en el que le estoy dando muchas vueltas a qué parte de la cadena de valor de la fabricación de robots humanoides va a capturar más negocio en los próximos años.

Hasta ahora mi conclusión pasaba por que los diseñadores del robot serían los mayores beneficiados, pero no quiero dejar de escuchar a toda la gente que dice que entre los cuellos de botella de la IA física que más beneficio puede reportar se encuentran los actuadores para robots.

Mi argumento principal para considerar que los diseñadores de los robots, como Tesla, Agility, Figure, 1X, Apptronik, … serán los que más valor van a capturar se basa inicialmente en la observación de que estas empresas pueden tener el interés y cierta capacidad para fabricar también los actuadores, pero es posible que esto no sea así y por lo tanto sí que pueda generarse mucho negocio para los proveedores de estos componentes para robots.

En el caso de otros componentes, como baterías, cámaras, sensores, … ya veo más complicado que los diseñadores de los robots vayan a poder hacerlo todo, pero con los actuadores tenía mis dudas.

Dicho esto, lo que vamos a hacer a continuación es repasar qué son los actuadores y cómo se enmarcan en el desarrollo de los robots humanoides.

¿Qué son los actuadores?

Los actuadores para robots se encargan de convertir la energía en movimiento y fuerza. En un robot humanoide permiten que este pueda doblar una rodilla, levantar un brazo o cerrar una mano. Si hacemos la comparación con nuestro cuerpo, cumplen una función parecida a la de los músculos, aunque su funcionamiento y su estructura son diferentes.

Cuando hablamos de un actuador eléctrico para un humanoide, normalmente estamos hablando de un conjunto de piezas: un motor, una transmisión, sensores, rodamientos y una carcasa. La electrónica que controla el motor puede estar dentro del módulo o fuera de él. Por eso, cuando una empresa dice que fabrica actuadores, es importante fijarse en qué incluye exactamente en ese producto.

Para entender cómo funciona este conjunto podemos empezar por el motor, que genera el movimiento, y seguir por la transmisión, que lo adapta a las necesidades de cada articulación, por ejemplo mediante un reductor que permite transformar el giro rápido del motor en un movimiento más lento pero con mayor fuerza de giro, lo que en robótica se denomina par. A esto se añaden los sensores, que permiten comprobar la posición y el movimiento de la articulación para que el sistema de control pueda ajustar lo que está haciendo el robot.

¿Qué tipos de actuadores existen?

Los actuadores pueden clasificarse según la energía que utilizan o según el movimiento que producen.

Según la energía, las principales familias son los eléctricos, los hidráulicos y los neumáticos. Los eléctricos utilizan motores; los hidráulicos, líquido a presión; y los neumáticos, aire comprimido. Un ejemplo conocido de la evolución entre tecnologías es Atlas de Boston Dynamics que pasó de su anterior humanoide hidráulico a uno completamente eléctrico.

Según el movimiento, podemos distinguir entre actuadores rotativos, que hacen girar un eje, y lineales, que empujan o tiran en línea recta. Un actuador lineal también puede doblar una rodilla si transmite su movimiento a través de un mecanismo. De la misma forma, un motor que gira puede accionar los dedos mediante cables o tendones.

Dentro de los eléctricos hay otra decisión que tiene mucho que ver con el negocio y es cómo se conecta el motor con la articulación. Para ello podemos utilizar reductores armónicos, planetarios o cicloidales, cada uno con distintas ventajas en precisión, tamaño, eficiencia o resistencia a impactos. También existen diseños de accionamiento directo, sin reductor, y de accionamiento casi directo, conocidos como QDD, que combinan un motor capaz de generar mucho par con una reducción pequeña.

Esta situación determina las exigencias para los proveedores. Si utilizamos un motor pequeño con una reducción elevada, damos más responsabilidad al reductor. Si reducimos menos, el motor tiene que aportar más par y ganan importancia sus materiales, la electrónica y la gestión del calor. Por lo tanto, dos robots humanoides pueden necesitar cadenas de suministro diferentes en función de las decisiones de ingeniería que tome el fabricante.

¿Cómo se relacionan los actuadores con el resto de componentes del robot?

Para entenderlo podemos pensar en un robot que tiene que coger una caja. Las cámaras y otros sensores ayudan a localizarla. El software calcula cómo acercarse y agarrarla. El sistema de control convierte ese plan en órdenes de movimiento y fuerza para los actuadores. La batería aporta la energía y la electrónica regula la corriente que llega a los motores.

Mientras el robot se mueve, los sensores de posición, fuerza o contacto devuelven información al sistema de control para que vaya corrigiendo la acción. Esta corrección continua permite ajustar un agarre o reaccionar cuando cambia la carga. Por lo tanto, la IA que se encarga de interpretar una tarea y los controladores que regulan cada articulación trabajan en niveles diferentes del sistema.

Además, las decisiones sobre un componente afectan a los demás. Por ejemplo, si una mano pesa más, moverla puede exigir más esfuerzo al codo y al hombro. Si los actuadores pierden demasiada energía en forma de calor, eso afecta a la autonomía y a la refrigeración. Y si una articulación tiene holguras o responde con retraso, el software tiene que trabajar con esas limitaciones físicas.

Esto ayuda a entender por qué una empresa como OpenAI puede querer participar en el diseño de los actuadores. Una posible explicación es que quiera adaptar el cuerpo a las capacidades que pretende desarrollar con su software.

¿Quién fabrica los actuadores?

Aquí conviene distinguir entre las empresas que venden un actuador integrado y las que fabrican alguna de sus piezas. Un proveedor de reductores y un fabricante de módulos completos participan en el mismo mercado, pero ofrecen productos diferentes.

Entre los proveedores de conjuntos integrados encontramos a Schaeffler, que ha presentado actuadores para humanoides, y a Laifual, que ofrece reductores y módulos de articulación. También hay fabricantes de robots que comercializan componentes propios, como es el caso de Unitree.

Si bajamos a las piezas, el mapa se amplía. Harmonic Drive y Leaderdrive son referencias en reductores armónicos. Kollmorgen ofrece motores sin carcasa que se integran dentro de una articulación. Si hacemos un mapa completo de proveedores tendríamos que incluir también a especialistas en husillos, encoders, rodamientos, electrónica e imanes. Por lo tanto, un actuador diseñado por el fabricante del robot puede reunir piezas de varias de estas empresas.

Entonces, para valorar la oportunidad de negocio hay que ir un paso más ya que tener un producto en catálogo no demuestra que una empresa esté suministrando grandes volúmenes a fabricantes de humanoides, sino que es necesario saber qué clientes tiene, qué piezas han sido validadas y cuántas puede entregar manteniendo la calidad. Ese es el punto que debemos evaluar en los proveedores, cuandoe una capacidad técnica empieza a convertirse en negocio.

¿Tiene sentido que un OEM fabrique sus propios actuadores?

Para el fabricante del robot, al que en la industria se suele llamar OEM, controlar el diseño de los actuadores puede permitir ajustar mejor el peso, la fuerza, el consumo, el ruido o la respuesta de cada articulación. También puede facilitar las mejoras cuando el software y el cuerpo se desarrollan conjuntamente.

Pero aquí aparece una distinción que afecta a mi planteamiento inicial: diseñar un actuador propio, ensamblarlo y fabricar todas sus piezas son decisiones diferentes. Una empresa puede controlar la arquitectura del conjunto y comprar el motor, los reductores o los sensores a especialistas. De hecho, la oferta de OpenAI incluye trabajar con proveedores y participar en su selección y validación.

Fabricar más componentes dentro de la empresa puede resultar atractivo si aporta una ventaja de rendimiento, asegura el suministro o reduce el coste con suficiente volumen. A cambio, exige maquinaria, procesos, personal especializado y capacidad para producir miles de unidades con calidad constante. Conseguir que funcione un prototipo resuelve una parte del problema, pero repetirlo de forma rentable plantea otra.

Comprar actuadores a un especialista puede permitir avanzar más rápido y aprovechar una fábrica que reparte sus inversiones entre varios clientes. Pero yambién puede generar dependencia y limitar algunas decisiones de diseño. La combinación adecuada dependerá de qué componentes diferencien al robot, de la capacidad del proveedor y del volumen real que vaya a fabricar el OEM.

Por lo tanto, que los fabricantes quieran tener actuadores propios deja abierta una oportunidad para los proveedores. Incluso puede aumentar la demanda de componentes especializados.

La pregunta que me interesa seguir explorando es qué parte de ese actuador pueden fabricar de forma competitiva los OEM y en qué parte les compensa trabajar con otros. Lo cual obliga a afinar la idea de quién capturará más valor. Controlar el robot completo puede dar una posición comercial importante, pero un proveedor difícil de sustituir puede conservar una parte del negocio. Para comparar ambas oportunidades tendremos que mirar los márgenes, la inversión necesaria y el poder de negociación, además de cuántos robots se venden.

Volviendo a OpenAI, la oferta deja claro que quiere participar en el diseño de los actuadores, aunque todavía no sepamos para qué robot, lo que me hace pensar que para avanzar en IA física también quiere tener más control sobre el cuerpo que va a ejecutar lo que decida su software.

Y para terminar, los que sí que tienen claro que esto de los actuadores va a generar mucho negocio en sí mismo es KraneShares que ha lanzado en el Nasdaq TORK, un ETF centrado en fabricantes de actuadores y componentes como motores, reductores, controladores y sensores.

Más noticias sobre IA Física y robótica

🧠 AMD ha comprado World Labs, la empresa de inteligencia espacial cofundada por Fei-Fei Li, en una operación de 8.200 millones de dólares en acciones. Li será vicepresidenta ejecutiva y científica jefa de AMD. El acuerdo, pendiente de cierre, refuerza la apuesta por integrar chips, modelos del mundo y aplicaciones de IA física.

🦾 Qualcomm ha acordado comprar PickNik, la empresa que mantiene MoveIt, uno de los principales frameworks de manipulación robótica. Planea estrechar su integración con Dragonwing y Arduino, manteniendo MoveIt abierto y compatible con hardware de terceros. La operación conecta la IA ejecutada en el robot con las herramientas necesarias para planificar y realizar movimientos.

💰 General Intuition anuncia una nueva financiación de 220 millones de dólares, con una valoración de 6.200 millones. La compañía afirma que sus modelos, entrenados con miles de millones de vídeos etiquetados con acciones, pueden actuar en tiempo real en entornos desconocidos. Es una apuesta por aprender comportamiento espacial a gran escala; su transferencia a robots físicos deberá demostrarse.

🔧 O-ID ha captado 1,2 millones de dólares para desarrollar robots industriales con articulaciones, extremidades y módulos de computación reemplazables. La startup japonesa quiere reducir las paradas mediante reparaciones sencillas en planta. Todavía trabaja en el paso del prototipo a producción, pero pone el foco en una condición esencial para la adopción: que mantener el robot resulte viable.

🚚 Feather Robotics se presenta públicamente con una ronda presemilla de 7,6 millones de dólares y un manipulador móvil de dos brazos. Según la empresa, lleva un año realizando entregas y ofrece un metro de alcance, diez horas de batería y herramientas abiertas para desarrolladores. Su propuesta es proporcionar el hardware sobre el que otras empresas construyan aplicaciones de trabajo físico.

🌍 Niantic Spatial presenta Places Library, un catálogo inicial de 100 entornos reales en 3D para entrenar y evaluar sistemas de IA física. Cada paquete USDZ combina una representación visual detallada con una malla de colisión alineada. Almacenes, espacios comerciales y viviendas permiten probar políticas robóticas en escenarios más variados antes de llevarlas al mundo real.

🎥 OpenRoboto presenta Shift, una plataforma para capturar acciones de trabajo real con sus dispositivos OR-S1 y OR-S2. Propone remunerar las horas aceptadas y añadir recompensas en tokens $ROBOTO, comenzando por organizaciones. Su énfasis en la trazabilidad de los datos, la revisión de calidad y los derechos de uso apunta a una necesidad creciente del entrenamiento robótico.

👁️ Delta Intelligence muestra D1, un dispositivo de captura colocado en la cabeza que combina cámaras e información inercial para registrar el entorno y reconstruir movimiento corporal. Produce imágenes, trayectorias y datos de postura orientados a la IA física. La oportunidad está en convertir demostraciones humanas en material de entrenamiento, aunque transferirlas al cuerpo de un robot exige trabajo adicional.

🤖 LeRobot amplía su ecosistema hacia los humanoides con un flujo de teleoperación, datos y aprendizaje sobre el Unitree G1. La propuesta combina π0.5 y SONIC: el modelo aprende el comportamiento de la tarea y un controlador rápido ejecuta el movimiento corporal. El código y las modificaciones de hardware compartidos facilitan que más equipos reproduzcan y desarrollen estos experimentos.

🧪 Poke & Wiggle presenta PAW-GEN-10, una prueba de diez tareas reales de manipulación que compara cuatro modelos mediante miles de intentos reproducibles. En sus condiciones de evaluación, el mejor resultado llega al 46 % de éxito, y cambiar la posición de los objetos reduce el rendimiento. Una referencia útil para medir generalización, necesidades de datos y fallos más allá de los vídeos de demostración.

📐 Physis-Lang propone mejorar los modelos generadores de vídeo mediante descripciones que explicitan causas, leyes físicas y efectos. El trabajo de investigadores de NVIDIA, MIT y Oxford utiliza esas descripciones para seleccionar datos, entrenar y generar escenas más coherentes físicamente. Los resultados corresponden a pruebas de generación de vídeo; su utilidad para el aprendizaje robótico requiere evaluación adicional.

🛠️ OpenClaw ofrece Enterprise, una plataforma abierta para desplegar y gestionar agentes de IA, con un plano de control y opciones de ejecución sobre Kubernetes. Como recurso para robótica, su conexión es indirecta: esta infraestructura podría ayudar a coordinar herramientas, datos y procesos de integración. El repositorio documenta gestión de agentes; su uso con robots dependerá de las conexiones y controles que se desarrollen.

📖 Understanding AI ofrece una lectura de análisis sobre la distancia entre las demostraciones de humanoides y el trabajo sostenido. Kai Williams examina manipulación, generalización, seguridad, fiabilidad y costes. Publicado a principios de septiembre, aporta una pregunta útil para interpretar los anuncios: ¿qué tarea puede realizar el robot de forma repetible y con qué coste total?

La reciente puesta en producción en masa del camión Tesla Semi puede ofrecernos bastantes pistas sobre qué puede estar pasando con …

Read more

Ha llegado la hora de dar un nuevo paso en el trabajo de divulgación que realizo en Integrarobot: tras la newsletter, el curso y la comunidad es el momento de crear la guía de robots humanoides.

La verdad es que pensaba que podría hacer este trabajo antes, pero la parálisis por análisis me ha pasado factura. En varias ocasiones he estado buscando cuál podría ser el mejor momento para publicarlo y parece que ese día nunca llegaba.

Ahora es el momento de la verdad y vamos a por todas con la publicación de: Robots Humanoides: la oportunidad. Una guía para trabajar, emprender o invertir en robótica e IA Física.

Pero antes de su lanzamiento me gustaría contar con tu colaboración en este trabajo, que va a requerir una dedicación importante, para poder reflejar en un único documento todo lo que está pasando con la robótica y la IA física.

Para ello te animo a colaborar conmigo en la realización de esta guía de las siguientes formas:

1. Entra a formar parte de la comunidad de pago de Integrarobot, porque la guía estará disponible sólo para aquellas personas que estén dispuestas a involucrarse más en el desarrollo de esta iniciativa.

2. Si tienes una empresa puedes colaborar como patrocinador de la Guía y así lograr una mayor visibilidad en este sector. Además también tendrás espacio de publicidad en esta newsletter y en la de Linkedin, con más de 5000 suscriptores entre ambas.

¿Cuánto cuesta apoyar el desarrollo de la Guía de Robots Humanoides?

• 10 euros al mes o 100 euros al año, si colaboras a nivel particular. Además de la guía tendrás acceso a los encuentros de la comunidad y a los cursos grabados sobre robots humanoides, robótica e IA Física.

  Suscríbete ahora

• 1000 euros si colaboras como empresa. Tendrás una página dedicada en exclusiva a tu empresa en la Guía, promoción en una de las newsletters de Substack y Linkedin. Y 10 accesos a la comunidad para la gente de tu empresa.

Si tienes dudas sobre todo esto, te animo a escribirme a javier@integrarobot.com :)

Mi plan es publicar la guía antes de que acabe el año y para que sepas un poco cómo va a ser, te dejo a continuación la introducción:

La gente quiere robots. Es la principal conclusión a la que he llegado en los dos años que llevo estudiando la robótica, especialmente los robots humanoides. Pero cuando alguien me pregunta qué robot comprar, mi respuesta es: espera, aún no es el momento de comprar, sino de invertir. Esto puede frustrar a mucha gente, pero mis razones pueden ayudar a no precipitarse y obtener mejores resultados cuando llegue el momento de comprar un primer robot.

Para entenderlo mejor veamos un ejemplo. Lo que está pasando ahora con la robótica humanoide se parece mucho a lo que sucedió hace algo más de 10 años con los coches eléctricos. Concretamente a partir de 2010 podían empezar a comprarse coches impulsados por baterías y si eres uno de los early adopters quizás tuviste un Nissan Leaf. Pero claro, aquello tenía poco más de 100 kilómetros de autonomía y la experiencia seguramente no era del todo satisfactoria. ¿Qué hacer entonces? esto a toro pasado es fácil decirlo, pero como estoy convencido de que va a ocurrir algo similar, me lanzo y te lo cuento. También en 2010 se pudieron empezar a comprar acciones de Tesla. Si en ese momento hubiésemos dedicado los 30.000 euros que valía un Nissan Leaf a comprar acciones de Tesla, en poco tiempo, con la rentabilidad de las acciones te podrías haber comprado un Tesla Model S con una autonomía 3 veces superior a la del Leaf.

Como digo, ahora es fácil decirlo, pero a sabiendas de que es imposible predecir el futuro, me atrevo a decir que en los próximos 2 o 3 años va a producirse una situación similar con los robots.

Supongamos que ahora quieres comprar un robot humanoide y como la opción más fácil de comprar en estos momentos es Unitree a través de los distribuidores que tienen en España, estaríamos hablando de un coste en función de la versión que se elija de entre 25.000 y 50.000 euros. Esto contando con que como sabes aún estos robots no tienen totalmente desarrollada la parte de IA y por lo tanto su funcionalidad a nivel de destreza manual es muy limitada.

Pero como estamos con un ejemplo, nos quedamos con estas cantidades y el experimento consistiría en dedicar esos 25.000 o 50.000 euros a invertir en acciones de Tesla, con vista a la salida al mercado de su robot humanoide Optimus, o si no te gusta Tesla, también tienes otras opciones, como comprar el ETF KraneShares Global Hmnd Rbtcs & Physical AI Idx ETF, abreviado KOID, que entre otras muchas empresas, tiene Unitree en su cartera.

Si eres de los que te gusta la acción quizás este discurso te parezca algo derrotista, pero no te preocupes porque en esta guía te voy a dar muchas más opciones, no estás leyendo una guía dedicada exclusivamente a invertir en robótica, también vas a encontrar mucho material valioso si lo que quieres es emprender o trabajar en el sector de la robótica, incluso, si estás totalmente decidido a comprar un robot humanoide ahora, te voy a explicar cómo hacerlo y cómo empezar a sacarle el jugo a esta tecnología.

El miércoles de la semana que viene, 30 de septiembre, tendremos un encuentro de la comunidad de Integrarobot. Aún puedes apuntarte si quieres entrar a formar parte de este selecto grupo de pioneros de la robótica.

Suscríbete ahora

Más noticias sobre IA Física y robótica

🏭 Boston Dynamics ha puesto en marcha dentro de la fábrica de Hyundai en Georgia el RMAC, un centro donde Atlas aprende mediante teleoperación a preparar y secuenciar piezas para montaje. La instalación se ampliará a un edificio unas diez veces mayor en 2027.

👁️ Cognex comprará RealSense por aproximadamente 500 millones de dólares en efectivo, con cierre previsto en el cuarto trimestre de 2026 sujeto a las condiciones habituales. Esta operación une visión industrial 2D y 3D con cámaras de profundidad y navegación robótica.

🧠 SoftBank habría alcanzado un acuerdo para comprar a Hyundai el instituto de investigación RAI fundado por Marc Raibert. Si se completa, SoftBank sumaría investigación en aprendizaje, manipulación y control a la plataforma industrial que busca construir alrededor de ABB Robotics y otras participadas.

💰 D-Robotics ha cerrado una Serie C de 400 millones de dólares para ampliar su familia de chips Sunrise y una plataforma de software que cubra el desarrollo completo del robot. La compañía afirma haber superado ocho millones de chips acumulados y que su S600 ya ha sido adoptado por más de veinte clientes de IA encarnada..

🖥️ Watney ha levantado 80 millones de dólares en una Serie A, superando los 100 millones de financiación total, para desplegar robots especializados en el trabajo físico que exige construir y operar centros de datos. La empresa asegura acumular cientos de miles de horas en instalaciones de clientes y más del 99,99% de fiabilidad.

🖐️ Unitree presenta la mano diestra Dex5-S, con 22 grados de libertad, tamaño similar al de una mano humana y un precio desde 6.500 dólares. Todos sus ejes admiten movimiento reversible y protección de par ante impactos. Este lanzamiento abarata el acceso a un componente crítico para que laboratorios y desarrolladores puedan experimentar con destreza.

⚙️ Core Matter cartografía quién fabrica motores, reductores, husillos, encoders, rodamientos, electrónica y materiales para los actuadores humanoides. Su conclusión es que el cuello de botella no se mide solo por el precio sino que importa cuántas piezas cualificadas puede entregar cada proveedor con precisión y calidad constantes.

🧪 Midcentury realiza una ronda semilla de 15 millones de dólares y una propuesta que une datos reales y simulación para IA física. Afirma disponer de más de dos millones de horas de vídeo egocéntrico, 50 entornos y 20.000 tareas, además de Matrix para evaluar y posentrenar políticas a escala.

📉 Eidon AI cierra después de más de dos años recopilando datos para robótica y libera como código y datos abiertos su guante, sus trackers, su simulador y sus conjuntos de vídeo y movimiento. Su fundador describe una economía difícil: pocos compradores, requisitos incompatibles, logística y control de calidad caros, y demanda de flujos recurrentes de miles de horas; es un recordatorio valioso de que un cuello de botella técnico no crea por sí solo un buen negocio.

Off Topic

Hoy voy a salirme un poco de la temática para compartir contigo dos noticias que me han llamado mucho la atención y que aunque no tienen que ver con robótica, demuestran muy bien el ritmo de aceleración que estamos viviendo a nivel tecnológico.

🦠Pioneer Labs ha anunciado que quiere iniciar la terraformación de Marte. Con un equipo que cabe en un solo lanzamiento de cohete, quieren convertir la tierra, el agua y el aire marcianos en materiales de construcción para erigir una pequeña ciudad en Marte. Para lograrlo buscarán el mejor microorganismo en la Tierra y lo evolucionarán para que sea capaz de obtener sus nutrientes directamente de materiales marcianos.

🌨️ Rainmaker ha sido capaz de producir 19 millones de galones de agua en Alaska mediante siembra de nubes de próxima generación en 3 horas de operaciones. Se trata de la primera empresa en producir precipitaciones de manera comprobable en Alaska. En el futuro, Rainmaker quiere restaurar glaciares con nevadas artificiales y añadir más agua al río Colorado y al Gran Lago Salado.

Se acaba de presentar la versión 5 del robot humanoide Digit de la empresa de Agility y el mensaje principal que transmiten en su comunicación es la seguridad que ofrece el robot al trabajar en el mismo entorno que las personas.

Cuando una empresa con la trayectoria de Agility decide poner el foco en la seguridad es porque observa que puede ser un valor diferencial respecto de las cosas que está haciendo su competencia. Y es normal, porque en el caso de Unitree cuyos robots son los más conocidos, la estrategia es muy diferente, lo cual implica que se estén produciendo soluciones donde se observa que algunas acciones del robot pueden estar poniendo en riesgo la seguridad de las personas.

En este punto lo primero que hay que aclarar es que muchos de los vídeos que circulan por ahí con un robot realizando movimientos peligrosos, incluso donde parece que agreden a personas, pueden estar preparados o simulados, pero en todo caso, esto no quita para que nos preocupemos de que este tema de la seguridad esté bien resuelto.

También aquí es necesario aclarar que si la mayoría de robots que ahora se pueden comprar, como son principalmente los de Unitree y Agibot, principalmente se controlan desde un mando a distancia, ahí es donde encontramos las opciones de seguridad para apagar el robot en caso de que ocurra algo inesperado. Pero en todo caso los expertos en robótica esperan que puedan existir otras opciones de seguridad más adecuadas o que no dependan de una sóla persona.

Así que volviendo a Digit, la seguridad es parte del diseño del robot, no un añadido que viene después una vez está todo lo demás resuelto.

Así lo presenta la propia empresa:

“Tras una década de investigación y años de experiencia en su implementación, nuestro robot humanoide de quinta generación es la herramienta de automatización más potente que jamás hayamos creado. Diseñado para la seguridad colaborativa, para trabajar en estrecha proximidad con las personas y adaptable para gestionar flujos de trabajo completos”.

Lo que ocurre es que “diseñado” para la seguridad implica tener que hacer algunas concesiones que a largo plazo parece que vayan a ser la forma en la que realmente funcionan los robots. Entiendo que es una situación transitoria hasta que esta industria esté mucho más desarrollada, pero no tendría sentido que cuando todo esté lleno de robots, estos se tengan que parar y agachar cuando una personas se acerca a ellos.

Hecha esta introducción al tema de la seguridad, lo que me gustaría comentar a continuación son dos cosas que están muy relacionadas y que no son directamente de robótica sino de IA.

1️⃣ El drama mediático sobre la necesidad de bajar el ritmo de desarrollo de la IA se va a quedar en una anécdota cuando la IA Física esté a pleno rendimiento, porque si ya nos preocupa que un Agente vaya por Internet haciendo cosas sin control, ni te imaginas el problema que va a suponer cuando esto mismo lo haga un robot 😱. Pero no te preocupes, el ritmo de desarrollo no se va a parar porque la sociedad no quiere perder la oportunidad de que la IA nos ayude a curar las enfermedades u otro tipo de problemas que aún están por resolver, o más bien, el mercado no está dispuesto a perder esta gran oportunidad y las empresas seguirán avanzando en el desarrollo de esta tecnología que tanto beneficio puede aportar. Por el camino habrá disgustos, pero el viaje habrá valido la pena. Y si mi discurso no te convence, puedes leer este que es mucho mejor.

2️⃣ El tema de la regulación, por mucho que nos empeñemos, no va a resolver nada 🥸. De hecho a estas alturas nada se resuelve con regulación, lo único que nos mantiene a flote como sociedad es la buena educación. Quiero decir, que aunque se intente a nivel institucional hemos cruzado una línea donde la tecnología va tan por delante de la regulación que cualquier intento de control estará completamente obsoleto. Por ejemplo, la ley de IA en Europa se centra en el control de los modelos y el uso que se hace de ellos, pero se deja fuera lo que ocurre con los robots, que para bien o para mal van a tener un impacto mucho mayor, por tratarse de una cosa física y no sólo digital. Y en este caso, igual que en el de la IA, los robots vienen a ayudarnos a resolver problemas, como el de la falta de mano de otra en la industria y los servicios, por lo tanto, es inevitable que acaben llegando.

Mi conclusión es que en lo que más deberíamos estar trabajando en estos momentos es en educación, pero no me refiero a la educación formal sino a la educación en valores. Hace tiempo que el sistema educativo no prepara a la gente para el futuro laboral, más vale entonces que al menos lo siga haciendo en lo que a valores de convivencia se refiere.

Sobrevivimos a la primera guerra fría en la era nuclear y sobreviviremos a la segunda en la era de la IA, pero no será gracias a la regulación, sino porque las empresas encuentren la forma de alinear la IA con los valores humanos y de colocar bien la seta roja en los robots.

Más noticias sobre IA Física y robótica 🤖

💰 Skild AI afirma haber superado los 100 millones de dólares de ingresos recurrentes anuales, diez meses después de su primer despliegue comercial. La compañía asegura contar con más de 60 clientes de pago y señala que aproximadamente el 90% de sus ingresos procede de tareas de manipulación. Skild también trabaja con NVIDIA y Foxconn en aplicaciones de robots de doble brazo para fabricación.

🧠 GPT-6 Astra ha sido destacado por Max Zhaoshuo Li, responsable técnico de NVIDIA Cosmos, por sus resultados aplicados a robótica. En su publicación, Li menciona el concepto de Physical RSI y enlaza resultados experimentales relacionados con el uso de modelos generalistas en tareas robóticas.

🦾 UniFoLM-WLA es un modelo para robótica presentado con 6.000 millones de parámetros y entrenado con aproximadamente 2.500 horas de datos de robots reales. Sus autores indican que un único modelo puede ejecutar 64 tareas de manipulación y trabajar con diferentes configuraciones de manos y movimientos de cuerpo completo. El proyecto publica modelos, datasets y código.

📦 Maven Robotics ha anunciado una ronda de financiación por 100 millones de dólares. La empresa desarrolla robots móviles con dos brazos orientados a la automatización logística y a tareas como el paletizado. Según la compañía, algunos de sus sistemas trabajan hasta 16 horas al día.

🤖 Humanoid afirma acumular más de 34.000 pedidos anticipados, con un valor potencial de unos 2.400 millones de dólares. La compañía trabaja con Bosch en industrialización y con Schaeffler en componentes y actuadores, y plantea aumentar progresivamente su capacidad de producción.

💾 Mecka AI negocia una nueva ronda de financiación liderada por Sequoia que podría situar su valoración cerca de los 500 millones de dólares. La empresa está especializada en recopilación y preparación de datos para entrenar sistemas robóticos.

📊 Robocurve ha anunciado una ronda semilla de 10 millones de dólares. La compañía desarrolla herramientas y benchmarks para evaluar modelos de robótica sobre sistemas físicos reales. Su plataforma Inspect Robots permite ejecutar y comparar evaluaciones reproducibles de modelos robóticos.

🏗️ UBTECH Robotics ha mostrado nuevas capacidades de producción de robots humanoides en sus instalaciones industriales. La compañía está ampliando sus líneas de fabricación para aumentar el volumen de producción de sus robots Walker y otros sistemas destinados a aplicaciones industriales.

🖐️ Reward AI ha presentado OM-1, un sistema para recopilar datos de tareas realizadas por humanos y utilizarlos para entrenar robots. Su dispositivo Omnibody Hand registra información como movimiento, fuerza, tacto, proximidad y vídeo durante la ejecución de las tareas.

📈 Goldman Sachs ha actualizado sus previsiones sobre el mercado de robots humanoides. Según la información publicada, estima alrededor de 6,5 millones de unidades acumuladas para 2035 y un mercado potencial de aproximadamente 138.000 millones de dólares.

💾 XDOF negocia una ronda Serie B que podría valorar la compañía en unos 1.200 millones de dólares. La empresa desarrolla sistemas de teleoperación y recopilación de datos destinados al entrenamiento de modelos de robótica.

🏭 FANUC ha anunciado junto a Google Cloud un sistema de IA para automatizar parte de la programación de procesos de soldadura. El sistema utiliza Gemini Enterprise para interpretar información de la pieza y generar parámetros y programas de movimiento para robots industriales.

🇰🇷 Samsung estaría preparando la presentación de un robot humanoide en CES 2027, según fuentes citadas por Tech in Asia. La compañía ha reorganizado parte de sus actividades de robótica y mantiene además su participación en Rainbow Robotics.

🌍 Veeda AI está desarrollando modelos del mundo y entornos virtuales destinados al entrenamiento de sistemas de IA Física. La compañía ha sido fundada por antiguos investigadores de NVIDIA especializados en inteligencia espacial y simulación.

🧩 Corematter ha publicado un marco para analizar la cadena de valor de la IA Física. El modelo divide el sector en diferentes capas, entre ellas hardware, actuadores, sensores, computación, modelos de IA, datos, simulación, herramientas de desarrollo e integración.

Read more

Desde que trabajo con Agentes de IA le he estado dando vueltas a cómo aplicar esta tecnología en el ámbito de la robótica y he encontrado principalmente tres vías de utilidad:

1. Los ingenieros de robótica usan la IA para mejorar su productividad 🧠. Como cualquier otro profesional puede usar los Agentes de IA para automatizar tareas, analizar datos, diseñar experimentos o programar el software de los robots.

2. Los Agentes de IA pueden usarse para simular el funcionamiento de robots cuando les pides que accedan y configuren alguno de los muchos simuladores de robots que están disponibles online o para descarga 🌍. Ejemplo MuJoCo de NVIDIA.

3. Lo que no me esperaba es que tan pronto fuéramos a ver Agentes de IA controlando directamente robots 🦾. Lo intuía pero no imaginaba que fuera algo tan rápido, porque esto es lo que acaba de ocurrir con la presentación de GPT-6 Astra.

Porque esta noticia puede condicionar mucho el futuro de la robótica, ya que un “simple” LLM ha empezado a mostrar capacidades de alto nivel en razonamiento espacial. Al menos según muestra este ranking el modelo de IA GPT Astra de OpenAI supera a las personas en tareas espaciales complejas en 3D y 2D, lo cual tiene importantes connotaciones en robótica, básicamente porque lo que significa es que ahora la IA puede entender la situación de una escena física y gracias a su capacidad de agente transmitir al robot las instrucciones para realizar una acción.

Ahora bien, tampoco hay que lanzar las campanas al vuelo, ni tirar por tierra todo el trabajo que hacen los laboratorios de IA Física desarrollando los VLA y los WAM, porque hay que aclarar que estamos en una situación muy preliminar, como muestra este experimento. Pero también hay que tener claro que esto apunta maneras y podría darse el caso de que el famoso momento ChatGPT de la robótica estuviera protagonizado por el mismo ChatGPT, pero 3 versiones más adelante.

Sabes lo que pasa, que si contrastamos esta situación con todo lo que está pasando con la IA en general, el camino que se está trazando parece claro y se muestra más como una convergencia hacia el concepto de IA Física, donde cada vez se acorta más la distancia entre lo que es digital y lo que es físico. De ser así, se entiende que la propia OpenAI ande trabajando en el desarrollo de un robot humanoide propio, porque una vez resuelta la parte de la inteligencia, lo que se refiere al cuerpo del robot será un problema menor.

Entonces, cuando los LLM que fabrican los laboratorios de IA más importantes del mundo, como OpenAI, Anthropic y Google, sin olvidarnos de lo que quiera hacer SpaceX metiendo Grok Optimus de Tesla, además de todas las empresas chinas empezando por la colaboración de Unitree con DeepSeek, lo que nos encontramos es que la IA Física se convierte en una prolongación de la IA Generativa y aquí es donde tenemos que recordar la frase de Jensen Huang: todo lo que se mueve será autónomo.

Es más, a esta predicción hay que sumarle una más reciente, porque cuando el CEO de NVIDIA asegura que toda empresa industrial se convertirá en una empresa de robótica lo que nos está mostrando es la oportunidad que supone que las empresas que tienen la capacidad de fabricar cosas físicas usen la IA para convertirse en empresas de robótica.

Para entenderlo lo mejor es poner un ejemplo, que en este caso va de excavadoras 🚜

• Caterpillar y FieldAI se asocian para impulsar la IA física, la autonomía y la robótica, con el fin de que las obras y las fábricas operen de forma más segura y eficiente, ante la creciente escasez de mano de obra y las exigencias de productividad cada vez mayores que enfrentan las industrias. Para ello se van a apalancar en la robótica, los gemelos digitales y otras tecnologías proporcionadas por NVIDIA.

• Gravis Robotics recauda 200 millones de dólares por parte de Softbank para la automatización de la construcción con la implementación a gran escala de maquinaria pesada autónoma impulsada por IA en obras de todo el mundo. La IA toma la información física del terreno y la integra en la telemetría de la máquina, respondiendo a las fuerzas subterráneas y la mecánica del suelo a velocidades de microsegundos.

Y para terminar comparto una idea que subyace en todo lo que hemos comentado en este artículo, los centros de datos, que ahora son el motor de desarrollo principal de construcción, al menos en Estados Unidos y que tiene en la robótica un gran vector de crecimiento. Así lo pone de manifiesto Gravis Robotics: “La ampliación de las redes energéticas y los centros de datos necesarios para la economía de la IA está generando una demanda sin precedentes” y también está detrás de la decisión de OpenAI de meterse en robótica, porque ya comentó hace tiempo que un buen lugar para poner a prueba los robots humanoides era la construcción de centros de datos.

Por cierto, Softbank es inversor tanto de OpenAI como de Gravis, así que ya vemos que se cierra el círculo y que en el centro de todo esto está un movimiento imparable que se inició con la presentación de GPT-3.5 el día 22 de noviembre de 2022 y que pega ahora un nuevo salto con la aparición de de GPT-6, un modelo del cual Jensen Huang ha dicho que se trata de AGI.

Más noticias sobre IA Física y robótica

🖥️ Nscale y Figure firman una alianza plurianual que contempla un compromiso inicial de 3.500 millones de dólares en cómputo, con intención de superar los 6.000 millones y capacidad potencial para hasta 100.000 GPU NVIDIA Vera Rubin. Nscale se convertirá además en accionista y proveedor preferente de Figure; las primeras GPU se prevén para la segunda mitad de 2027, de modo que la escala anunciada es futura, pero revela que entrenar humanoides empieza a tratarse como un problema de infraestructura comparable al de los grandes modelos de IA.

🏭 Fujitsu, FANUC, Yaskawa y Kawasaki exploran una plataforma abierta y estandarizada que conecte aplicaciones empresariales, modelos de IA y robots de distintos fabricantes, apoyándose en NVIDIA Cosmos, Omniverse, Isaac y Newton. El objetivo abarca fábricas, logística, comercio y sanidad, pero todavía no hay calendario, inversión ni pilotos concretos: la oportunidad está en crear la capa común que evite reconstruir cada integración robótica desde cero.

🇪🇺 NEURA Robotics y SECO se alían para diseñar y fabricar en Europa módulos de computación con Qualcomm Dragonwing para los robots cognitivos de NEURA, incluido el humanoide 4NE1. También preparan un NEURA Gym en Italia y la recopilación de datos industriales reales; es una apuesta por controlar la electrónica, el edge y el aprendizaje alrededor del robot, aunque el anuncio no aporta aún volúmenes de producción ni resultados operativos.

💰 XDOF negocia, según TechCrunch, una Serie B liderada por 8VC con una valoración cercana a 1.200 millones de dólares, apenas tres meses después de salir del modo stealth. La operación no está cerrada, pero los casi 50 millones de dólares de ingresos anualizados y 20 clientes que recoge la información convierten el dato robótico (teleoperación, captura egocéntrica, limpieza y anotación) en una categoría empresarial propia, no solo en un subproducto del fabricante de robots.

🤖 LG y NVIDIA preparan un bípedo basado en Jetson Thor, Isaac GR00T y Halos for Robotics para presentarlo en el primer trimestre de 2027. Más concreta es la fase previa: LG planea validar este año su robot con ruedas CLOiD en una línea de lavadoras de Tennessee y alimentar con esos datos su propio modelo fundacional; el valor no está solo en mostrar otro humanoide, sino en cerrar el bucle entre fábrica, datos, entrenamiento y verificación.

🧠 Dyna Robotics explica la infraestructura con la que entrenó Dyna-2 sobre más de un millón de horas de vídeo egocéntrico y unos 43 millones de episodios. La compañía afirma haber elevado la ingestión de 14.000 a 440.000 horas semanales, reducido de unas 48 horas a menos de un minuto el arranque del primer lote y mantenido las GPU al 98% de utilización: una señal de que, a gran escala, el cuello de botella no es solo conseguir datos y GPU, sino poder almacenar, curar y servir experiencias robóticas de forma repetible.

📹 RoboTok convierte vídeos humanos de internet en trayectorias 3D de las manos relativas al torso y recupera demostraciones con movimientos similares para entrenar manipulación diestra. El trabajo de Rice University y NVIDIA supera sus referencias de recuperación sobre un corpus de 100.000 clips y mejora políticas en simulación, pero los resultados en robot real siguen pendientes; es una vía prometedora para aprovechar vídeo abundante sin confundir similitud visual con acción físicamente ejecutable.

🖐️ TwinDEX empareja un exoesqueleto portátil y una mano robótica de tres dedos y nueve grados de libertad para que demostración y ejecución compartan cinemática, contacto y sensorización. X Square Robot afirma multiplicar por 5,3 el rendimiento efectivo de la teleoperación y completar de forma autónoma una práctica química de 24 pasos usando solo unos cientos de demostraciones sin robot; el avance ataca el coste del dato diestro, aunque las cifras proceden de la propia compañía y necesitan validación independiente.

🧭 Foxglove muestra flujos agénticos para buscar escenas en registros robóticos, modificar visualizaciones mediante lenguaje natural, comparar ejecuciones y conectar por MCP la detección de anomalías con Jira. La plataforma también trabaja directamente sobre datos en la nube y ofrece acceso remoto y paneles de flota; la idea importante es que los agentes empiezan a convertirse en interfaz de investigación y operación, mientras la propia demostración reconoce que decidir qué anomalía importa y automatizar el proceso sin interfaz siguen siendo problemas abiertos.

🏗️ 1872 ha abierto Factory One en Cincinnati para automatizar la fabricación de bastidores de acero destinados a centros de datos y reactores modulares, con 15 millones de dólares de financiación semilla y el objetivo de automatizar la mayor parte del proceso en 2027. Sus fundadores, antiguos ingenieros de SpaceX, parten de un flujo manual e integran soldadura robótica, planificación y orquestación; su disposición a detenerse en un 80% de autonomía si es económicamente suficiente es una lección útil frente a la obsesión por automatizarlo todo.

🛡️ RoboStore y Robo Inc. pasan de distribuir robots Unitree a desarrollar y fabricar equipos en Estados Unidos tras las restricciones de la FCC a nuevos modelos extranjeros. La empresa proyecta una planta de 66.000 pies cuadrados en Long Island para 2027 y robots específicos para sanidad, seguridad y educación; la geopolítica está convirtiendo cumplimiento, fabricación local y soporte en atributos del producto tan decisivos como la capacidad técnica.

🛰️ Northrop Grumman ha puesto en órbita su Mission Robotic Vehicle y tres módulos de propulsión MEP para extender la vida de satélites geoestacionarios. La maniobra clave está prevista para 2027, cuando los dos brazos robóticos del MRV acoplen un módulo al satélite Optus D3 y puedan añadirle unos seis años de servicio: robótica espacial orientada a mantenimiento como servicio, no solo a construir y reemplazar máquinas.

📷 GoPro y Starman Optical firman un acuerdo de fusión para recapitalizar GoPro e incorporar transceptores ópticos fabricados en Estados Unidos, con cierre previsto antes de terminar 2026 y sujeto a aprobaciones. La compañía combinada quiere llevar su propiedad intelectual de imagen y fotónica a centros de datos, defensa, aeroespacio y robótica; por ahora es una intención estratégica, no una nueva línea robótica ya demostrada.

Llegado el momento de retomar la actividad de esta newsletter me pregunto cuál puede considerarse la noticia sobre robótica más importante de las producidas durante el mes de Agosto.

Primero pensé que debía ser la salida a bolsa de Unitree y luego que era más importante el éxito cosechado por Agibot en los Juegos Mundiales de Robots Humanoides. En ambos casos el común denominador es que las empresas Chinas están tomando gran parte del protagonismo del sector y hay que estar muy atentos para ver cómo reaccionan el resto de empresas a nivel internacional a este gran impulso que viene desde oriente.

¿Por qué merece la pena hablar de la salida a bolsa de Unitree?

En primer lugar porque el común de los mortales no hemos podido participar en ella. Especialmente los que no somos ciudadanos chinos, lo cual no sabes lo que ha molestado a mi particularmente. Y es que lo que hay que decir aquí es que las condiciones de esta IPO han sido muy restrictivas y ponen de manifiesto hasta qué punto la cuestión geopolítica puede afectar a nuestro sector.

Con esto no quiero decir que los políticos hayan metido baza, sólo que por ejemplo en este caso, que no exista un mercado libre nos puede perjudicar mucho a aquellos que queremos participar de este negocio.

Lo que ha ocurrido aquí es que Unitree ha comenzado a cotizar durante el mes de agosto en STAR Market de China y por lo tanto la compra de acciones ha estado reservada a inversores profesionales institucionales.

Entonces, aunque poca gente ha podido participar en esta operación, los datos de los sucedido nos hablan del gran interés que tiene el mercado por participar en esta empresa y por extrapolación también, en el sector de la robótica en general:

• Comienzo de la cotización: 19 de agosto de 2026

• Porcentaje de las acciones emitido: 10%

• Capital total captado: 907 M$

• Valoración de la empresa al lanzarse la IPO: 9.077 M$

• Valoración de la empresa el primer día de cotización: 66.210 M$

• Revalorización de las acciones en la salida a bolsa: +629,4%

• Revalorización de las acciones a 2 de septiembre de 2026 +262,1%

Como puedes comprobar, el éxito de la salida a bolsa ha sido brutal, pero no para todos los que han invertido por el momento, sobre todo para aquellos que pudieron comprar en la IPO (el 0,2% de los que lo intentaron) y no tanto para los que compraron una vez la empresa ya había subido ese 600%, que ahora pueden estar perdiendo casi el 50% de su inversión si cometen el error de vender sus acciones.

Y digo que vender las acciones sería un error porque convertirse en accionista de Unitree me parece una gran oportunidad. Por varias razones, como el total compromiso de su CEO (eso sí que es jugarse la piel en toda regla, como muestran los vídeos de demostración de sus robots); la colaboración con NVIDIA para crear un robot enfocado en investigación de IA Física, la inversión por parte de DeepSeek justo antes de la salida a bolsa, que suena a jugada maestra, y otras muchas cosas que seguro que conoces si sigues esta newsletter con regularidad.

La única pega que podríamos ponerle, en estos momentos, es no haber sido la empresa que más medallas ha ganado en los segundos Juegos Mundiales de Robots Humanoides que también se han celebrado en China durante el mes de agosto.

Vamos a estar muy atentos a Agibot a partir de ahora

Porque en las olimpiadas de robots la empresa que realmente ha triunfado es Agibot, con un total de 46 medallas 18 medallas de oro, 16 de plata y 12 de bronce, frente a las 10 conseguidas por Unitree.

Así que Agibot está captando una parte del protagonismo que hasta ahora había tenido Unitree, pero no sólo por esto, sino también porque la empresa está tomando la delantera en número de pedidos, como pone de manifiesto el informe de Smart Analytics Global donde AgiBot habría entregado 8.400 robots durante el primer semestre de 2026, el 44% del mercado y crecimiento del 562, frente a Unitree con 5.900 unidades entregadas y el 31% del mercado.

Unas cifras que nos hacen poner a Agibot en primer plano de interés, especialmente considerando que la empresa ha anunciado que pretende comenzar a cotizar antes de que acabe este año y que de hacerlo sería en la bolsa de Hong Kong, lo cual puede facilitar que cualquier inversor participe en la operación.

Pero bueno, dejemos la bolsa por un momento y vamos a volver a lo de las olimpiadas de robots porque otra llamada de atención la tenemos cuando nos fijamos en cuál ha sido el robot que más medallas ha logrado, porque en este caso no pertenece a una empresa, sino a un centro de investigación que cuenta con el apoyo del Estado Chino. En concreto me refiero al robot Tien Kung, que desarrolla y fabrica el Beijing Innovation Center of Humanoid Robotics, que opera internacionalmente bajo la marca X-Humanoid. Se trata de un centro de innovación respaldado por el Gobierno de Pekín y constituido inicialmente por Xiaomi Robotics, UBTECH y Beijing Jingcheng Machinery Electric.

Por lo tanto, y teniendo en cuenta estas noticias que acabamos de comentar, creo que lo más destacado de lo sucedido durante el mes de agosto en materia de robótica humanoide es que ha quedado muy claro que China lidera en estos momentos la industria de la robótica y que más vale que en USA y Europa nos vayamos poniendo las pilas, porque podría ocurrir que este tipo de desequilibrios no nos dejase muy bien parados.

Más noticias sobre IA Física y robótica

Un mes sin publicar la newsletter y las noticias se acumulan, pero bienvenido sea, porque este sector está que arde :)

🧩 Anthropic presenta Model Hardware Standard (MHS), una especificación para que agentes de IA descubran y operen equipos programables (desde microscopios hasta brazos robóticos) mediante controladores comunes y MCP. Con este se quiere convertir la integración física a medida en una capa reutilizable de software ya que el límite actual sigue siendo la supervisión experta cuando el fallo es físico y no digital.

🟢 NVIDIA quiere comprar Hugging Face, en una operación de 12.900 millones de dólares, todavía no confirmada. Para la robótica sería mucho más que comprar un repositorio de modelos: NVIDIA ganaría influencia sobre la distribución de modelos y datos abiertos y sobre un ecosistema físico que ya incluye LeRobot y Pollen Robotics.

🐥 Pollen Robotics, de Hugging Face, abre la preventa de Microduck, un bípedo abierto de 25 centímetros, 15 motores y 399 dólares pensado para aprendizaje por refuerzo y sim-to-real. Los primeros días de reserva la empresa ya ha recibido pedidos por miles y recaudado millones de dólares.

🧠 Google DeepMind presenta Gemini Robotics 2 como una familia de modelos para controlar el cuerpo completo de un robot, razonar sobre tareas físicas y coordinar varios robots. La combinación de control de pies a dedos, razonamiento encarnado y ejecución local apunta a que el valor se está desplazando desde habilidades aisladas hacia una inteligencia transferible entre cuerpos.

📹 Figure ha creado Index, su red mundial para recopilar vídeo de tareas humanas y entrenar Helix, la IA de sus robots. La compañía afirma haber reunido 16 millones de vídeos de 44.000 usuarios activos semanales y prevé gastar más de 1.000 millones de dólares en datos y cómputo durante doce meses: una demostración de que la ventaja competitiva del humanoide puede estar tanto en el bucle de datos como en el robot.

💰 Andreessen Horowitz crea un fondo de 1.100 millones de dólares para la “era de las máquinas”, desde chips, memoria y redes hasta centros de datos, robótica y dispositivos domésticos de IA. Es una señal de que el capital riesgo ya no trata el hardware como acompañamiento del software, sino como la infraestructura física que limita la próxima fase de la IA.

🤖 XPENG Robotics capta más de 900 millones de dólares con una valoración post-money superior a 6.300 millones. La financiación, respaldada por IDG, Tencent y Alibaba, se destinará a modelos de IA física, datos y capacidad industrial para llevar el robot IRON hacia la producción en masa y la comercialización global.

🏠 SoftBank negocia la compra de una participación mayoritaria de 1X, según The Information, con una valoración cercana a 6.000 millones de dólares. Si se cierra la posición, daría a SoftBank una posición de control en una de las apuestas más visibles por el humanoide doméstico y aportaría a 1X más capital para convertir NEO en un producto operativo para hogares.

🧠 Generalist suma cerca de 200 millones de dólares y eleva su valoración reportada a 3.000 millones pocos meses después de su ronda anterior. El dinero vuelve a premiar la capa de “cerebro robótico”: modelos encarnados capaces de aprender tareas y operar sobre distintos cuerpos, sin que la empresa tenga que fabricar su propio robot.

📈 Counterpoint Research estima que se enviaron más de 22.000 humanoides en el primer semestre de 2026, casi un 300% más interanual. El dato importante es que más del 60% de los robots sigue destinado a entretenimiento, investigación y producción de datos, mientras fabricación representa el 13% y logística el 5%: crecen los envíos, pero todavía no equivalen a adopción productiva masiva.

📦 Amazon ha puesto en marcha Project Tetromino para automatizar mediante IA y robótica las estaciones de reparto. Un documento interno planteaba multiplicar por 2,5 el rendimiento, aunque Amazon califica el proyecto de concepto temprano y discute sus cifras y calendario..

🗄️ Meta está poniendo a prueba robots de Kinova, Watney y ABB para conectar cables, reiniciar servidores y manipular componentes dentro de sus centros de datos. Es un caso de uso atractivo por su entorno controlado y su escasez de técnicos.

🖐️ Project SuperDex aparece como una plataforma abierta de Meta para investigar manipulación diestra con un motor físico centrado en contactos complejos, herramientas de autoría robótica y aprendizaje por refuerzo. Su vista previa combina simulación, teleoperación virtual y transferencia sim-to-real, atacando uno de los cuellos de botella más duros de la robótica: aprender a manipular sin pagar cada error en hardware real.

🩸 Vitestro consigue la autorización de la FDA para Aletta, el primer robot autónomo para extraer sangre. Un profesional formado puede supervisar hasta tres equipos, que localizan la vena con infrarrojo y ultrasonidos y ejecutan el proceso completo; es robótica especializada que ya convierte escasez de personal en un modelo operativo regulado.

🚇 AVITA, KDDI y Osaka Metro llevan un humanoide con Gemini a las estaciones de Umeda y Tanimachi-kyuchome para orientar a viajeros, explicar transbordos y atender en varios idiomas. El piloto que se llevará a cabo del 31 de agosto al 15 de septiembre, medirá demanda, aceptación y problemas de operación.

🏭 ABB Robotics y NVIDIA proponen una metodología digital-first para implantar IA física en fabricación: visión robótica desde el diseño, gemelos digitales, datos sintéticos, validación previa y realimentación desde la planta. Lo relevante la forma en la que se materializa el concepto de IA física convirtiendo el sim-to-real en un proceso industrial repetible, trazable y verificable.

🧱 Kinetic Blocks abre en beta un mercado de datos para entrenar robots, con acceso controlado, procedencia documentada, licencia comercial y una nota de calidad común para cada conjunto. La prueba estratégica es si los datos físicos pueden pasar de acuerdos bilaterales lentos y opacos a convertirse en un activo comparable, verificable y comprable.

🎮 Tesla incorpora a Optimus el sistema Omni One Enterprise de Virtuix para ampliar sus herramientas de teleoperación. Esta noticia nos muestra que capturar demostraciones humanas y operar a distancia sigue siendo infraestructura básica para generar datos, supervisar tareas y mejorar políticas.

🐕 OpenCat ofrece un marco abierto para construir y modificar cuadrúpedos Petoi con Arduino o Raspberry Pi, incluidos Bittle y Nybble. No es una plataforma industrial, sino una puerta de entrada práctica y asequible para entender marcha, equilibrio, sensores y recuperación tras caídas leyendo y cambiando el código del robot.

Llega el fin de la temporada en Integrarobot y aprovechamos para convocar un nuevo encuentro de la comunidad pioneros robots. Será el 30 de septiembre a las 17h de manera online y estará dedicado a tratar el uso del framework AGENTE entre los diferentes participantes en el evento.

Los encuentros de la comunidad son una oportunidad para conocer a otros apasionados de la robótica, aprender de su experiencia y compartir oportunidades para colaborar en proyectos de integración de robots en empresas. Venimos realizando estos encuentros desde 2025 y son un complemento a los cursos en directo que realizamos varias veces al año para aprender sobre el estado del arte del desarrollo de la robótica y la IA Física, además de cómo incorporar todo esto en los sistemas productivos.

Actualmente la comunidad pioneros robots está formada por 41 personas, aún es un grupo reducido pero estamos convencidos de que irá creciendo a medida que la promesa de la robótica de propósito general se vaya haciendo realidad. En Integrarobot trabajamos con la certeza de que esto va a ocurrir, porque ya lo hemos visto con la IA antes de la aparición de ChatGPT y ocurrirá con la robótica. Es cuestión de tiempo.

Aquí se encuentra la clave del trabajo que realizamos para exponer la necesidad de que las empresas empiecen a generar datos de su actividad que puedan ser usados para el entrenamiento de los robots. Del mismo modo que quienes trabajaron el Big Data antes de aparecer la IA Generativa, están mucho mejor preparados para alimentar de contexto a sus Agentes de IA, las empresas que documenten sus procesos en formato vídeo lo estarán cuando vayan a incorporar robots humanoides en sus operaciones.

Vamos a ver un ejemplo para entender hasta qué punto esto es importante:

Hace poco que desde Google presentaron una iniciativa, llamada OKF, para mejorar la forma en la que le proporcionamos contexto a los agentes de IA y lo explicaron de la siguiente forma:

“A medida que los modelos de IA siguen mejorando, la falta de contexto relevante suele limitar su funcionalidad, especialmente cuando se utilizan para construir sistemas con agentes. Si bien estos modelos pueden ayudar a escribir código, resumir documentos o analizar conjuntos de datos, aún necesitan la información adecuada para generar resultados precisos y útiles”.

Esto de “la falta de contexto relevante suele limitar su funcionalidad” es lo que se van a encontrar las empresas el día que puedan comprar un humanoide y ahora es el momento de solucionarlo.

Para ello tenemos dos opciones, de las cuales hemos hablado repetidamente en las publicaciones anteriores de la newsletter, pero vamos a resumirlas ahora aquí:

1. Grabar la actividad que realizan los operarios de la empresa en primera persona. Esto implica explicar a los trabajadores la importancia de hacerlo y contar con su colaboración, lo cual es la mejor forma de empezar a involucrarles en el proceso de transformación de las actividades manuales a las automatizadas. Aquí seguramente puedan surgir conflictos pero lo importante es que los trabajadores entiendan que la robótica no viene a eliminar a las personas sino a cambiar los roles para que los trabajadores puedan situarse en aquellos trabajos de mayor valor añadido, que deberían ser los que implican un trabajo intelectual y no físico.

2. Incorporar robots (brazos, amr, camareros) antes de la llegada de los humanoides, lo cual también ayudará mucho en lo que se refiere a preparar a los trabajadores de la empresa para esta transición. Porque necesitaremos a estas personas para hacer el trabajo relativo a la implantación de esos robots, además de que empezarán a ver cómo pueden convivir con ellos como parte de su día a día en el trabajo. El caso de los robots camarero puede ser el más fácil de implementar porque pueden realizar por ejemplo labores de transporte de herramientas o suministros en las instalaciones, lo cual implica empezar a diseñar cómo los robots van a moverse e interactuar con las personas.

Este plan puede resultar decepcionante para aquellos a los que les gustaría comprar ya mismo un robot y ponerlo a funcionar, pero tenemos que ser conscientes de que igual que ocurre con los Agentes de IA, donde hay que hacer un trabajo de configuración para poder automatizar tareas administrativas, con las tareas físicas también será necesario hacer este proceso, pero la buena noticia es que no estamos solos ante este reto, sino que mucha gente trabaja para resolver el problema de los datos de entrenamiento de los robots.

Y uno de los mejores ejemplos es lo que hace World Labs, que si no lo conoces aún es el laboratorio de IA Física liderado por Fei-fei Lee, que a su vez es una de las personas que más a contribuido al desarrollo de la IA, especialmente en lo que se refiere a sistemas de reconocimiento de imagen.

Entonces su reto actual se basa en el desarrollo de modelos del mundo para el entrenamiento de robots y lo expone de la siguiente forma:

“Preparar robots para el mundo real requiere una amplia recopilación de datos y pruebas repetidas en hardware físico. Cada nueva tarea o entorno puede exigir un esfuerzo manual considerable, mientras que los fallos tardan en identificarse y su recuperación resulta costosa”.

Y aquí es donde se cierra el círculo respecto de lo comentado anteriormente con el sistema OKF de Google, porque lo que está transmitiendo World Labs es que ellos se van a ocupar de construir la infraestructura para proveer los datos que mejoren el desempeño de los robots, pero nosotros tendremos que ser quienes aportemos esos datos, porque cada empresa es un mundo y cada robot tendrá que aprender a hacer su trabajo con los datos reales de la operación a realizar.

Más noticias de IA Física y robótica

💰 Enigma capta 70 millones de dólares para simplificar cómo los humanos controlan robots. La apuesta de la compañía es que la siguiente capa crítica no es solo mejor hardware o mejores modelos, sino una interfaz de mando tan intuitiva que operar un robot se parezca más a ajustar un volumen que a programar una máquina.

🚶 VLK presenta una política de loco-manipulación humanoide entrenada con interacciones sintéticas en escenas reales reconstruidas. El sistema genera supervisión visión-lenguaje-cinemática sin datos reales etiquetados a gran escala y muestra transferencia zero-shot a un Unitree G1 real en navegación y transporte de objetos.

🏭 Arrakis capta 38 millones de dólares para desplegar agentes de IA en operaciones industriales. La compañía afirma que ya trabaja con empresas cotizadas, comprime tiempos de ciclo entre un 60% y un 90% y convierte conocimiento operativo en agentes que ejecutan procesos complejos bajo supervisión humana.

🤖 Booster Robotics abre pedidos de T2, un humanoide de 1,4 metros orientado a desarrollo, con 31 grados de libertad, carga bimanual de 10 kilos y computación basada en Jetson Thor. El movimiento lo sitúa como plataforma para desarrolladores que quieren construir encima del nuevo stack de edge AI de NVIDIA.

☁️ Microagi se alía con Google Cloud y NVIDIA para entrenar modelos de IA física sobre infraestructura Blackwell y la pila de IA de Google. La compañía quiere usar ese stack para escalar modelos multimodales orientados a robots comerciales e industriales y ofrecer paquetes de software ajustados a tareas concretas sobre plataformas robóticas distintas.

🏥 Momentis Surgical obtiene autorización de la FDA para la configuración multiport del robot cigujano Anovo. La compañía presenta el sistema como la primera plataforma robótica capaz de soportar tres enfoques quirúrgicos distintos dentro de una misma arquitectura.

📱 Samsung Electronics crea la oficina RX (Robotics eXperience) para concentrar su estrategia de próxima generación en robótica. La reorganización convierte la robótica en una línea corporativa prioritaria y unifica capacidades que hasta ahora estaban dispersas dentro del grupo.

🏗️ Atoms anuncia una inversión de 1.700 millones de dólares liderada por a16z para unificar sus negocios y empujar su tesis de Industrial AI. La compañía sitúa el foco en automatizar operaciones físicas a escala combinando software, sensores, robótica e IA sobre sectores industriales completos.

🩺 Johnson & Johnson recibe autorización de la FDA para OTTAVA, su sistema robótico quirúrgico de tejido blando integrado. El sistema entra en el mercado estadounidense con indicaciones en cirugía general del abdomen superior y con una arquitectura pensada para ocupar menos espacio, ampliar capacidad de quirófano y abrir la puerta a una cirugía más conectada y guiada por datos.

🖐️ Generative Bionics presenta GENE.01, un humanoide con sensorización táctil distribuida por todo el cuerpo. La plataforma incorpora piel capaz de detectar contacto, temperatura, proximidad y fuerza, y sitúa el tacto como una capa central para colaboración segura y percepción física más rica.

🧠 Encord y Zander Labs exploran el uso de ondas cerebrales como nueva modalidad de datos para entrenar modelos de IA física. El enfoque combina vídeo egocéntrico, anotación densa, teleoperación y señales neurales para medir intención, error o sorpresa, y apunta a que el cuello de botella de la robótica sigue estando en fabricar datos físicos útiles, no solo en escalar modelos.

La empresa Applied Intuition ha alcanzado un notable éxito en los últimos años vendiendo su software de conducción autónoma a todo tipo de empresas en sectores como la minería, la defensa, la construcción o la agricultura, y ahora se propone dar un nuevo salto con el lanzamiento de Dana, un software de IA Física con el que se quiere ayudar a automatizar mil millones de máquinas.

Para conseguirlo recurren a los Agentes Inteligentes que deben actuar como ingenieros virtuales especializados que ejecutan partes del ciclo completo de desarrollo de un robot.

De esta forma, en lugar de que un ingeniero haga manualmente cada paso, el agente coordina y ejecuta muchos de ellos.

Del mismo modo que ocurre en el ámbito digital con Claude Code y Codex, en este caso los agentes de Dana orquestan todo el ciclo de vida del robot: lanzar simulaciones, generar datos sintéticos, entrenar políticas de control, validar seguridad, probar en Hardware-in-the-Loop y desplegar en robots reales.

Pero a diferencia de otras empresas de IA Física como Skild AI, Generalist, Physical Intelligence, Field AI y OpenMind, que desarrollan el software de IA para robots, en este caso lo que Applied Intuition quiere ofrecer es un sistema que ayude a los ingenieros a construir estos robots de forma más eficiente.

Y aquí es donde llegamos a la clave del asunto: los agentes de IA están convirtiéndose en la interfaz desde la que aprenderemos, diseñaremos, integraremos, probaremos y gestionaremos los sistemas robóticos. Y por eso desde Integrarobot hemos diseñado y estamos presentando hoy AGENTE el Framework para el uso de agentes de IA en robótica.

AGENTE se basa en nuestra experiencia trabajando con agentes de IA para ayudar a las empresas a automatizar procesos de negocio y ahora lo trasladamos al ámbito de la IA Física para darle una mayor proyección.

Y ahora sí, vamos a explicar qué es AGENTE y cómo puedes empezar a ponerlo en práctica en tu trabajo:

1. Aclarar: la gran diferencia entre los chatbots de IA, que hasta ahora hemos estado usando, y la nueva generación de agentes que está surgiendo es su capacidad para perseguir un objetivo y trabajar hasta conseguirlo. De esta forma el agente tiene autonomía para decidir qué tareas son necesarias para alcanzar el objetivo y dispone de las capacidades para llevar a cabo esas tareas. En este punto, para clarificar bien el trabajo que tiene que hacer la IA es importante definir bien el objetivo, el rol que debe asumir la IA (por ejemplo Ingeniero en robótica) y el prompt con las instrucciones que le clarifican el objetivo.

2. Gestionar el contexto: si el prompt fue la palabra de moda en los inicios de la IA Generativa, más tarde el contexto tomó el protagonismo, cuando vimos que muchos de los errores que cometía la IA se debían a la falta de conocimiento sobre las circunstancias específicas de nuestra nuestra actividad. Así lo explica Google en la presentación de OKF: a medida que los modelos de IA siguen mejorando, la falta de contexto relevante suele limitar su funcionalidad, especialmente cuando se utilizan para construir sistemas con agentes. Si bien estos modelos pueden ayudar a escribir código, resumir documentos o analizar conjuntos de datos, aún necesitan la información adecuada para generar resultados precisos y útiles.

3. Equipar al agente: aquí es donde entran en juego las capacidades o habilidades de las que podemos dotar al Agente para que realice su trabajo con mayores garantías. Por ejemplo si usas ChatGPT seguro que te ha venido muy bien poder disponer del buscador y de la investigación. Entonces con Codex y Claude Code lo que hemos podido hacer es crear skills, automatizaciones y usar complementos que dotan a la IA de mayor utilidad cuando se trata de llevar a cabo trabajos completos, no sólo tareas. Aplicado a la robótica esto tiene mil utilidades, por ejemplo para el diseño de procesos donde tiene que intervenir el robot o en su propio entrenamiento gracias a la posibilidad de usar simuladores de robots.

4. Navegar mediante bucles: los bucles se han convertido en el concepto protagonista en los últimos meses en el ámbito de la IA y consisten en la evolución lógica de la trayectoria que habíamos traído hasta ahora conformada por Prompt → Contexto → Arnés → Bucle → Grafo → Evaluación. Aquí es donde logramos que la IA funcione a través de un proceso de mejora continua, si definimos correctamente el objetivo y los indicadores de éxito, el Agente de IA no se para cuando nos ofrece el primer resultado sino que puede trabajar en bucle para mejorarlo. Esto es algo que no todo el mundo sabe pero que ofrece unos resultados excelentes: la IA es capaz de mejorar sus propios resultados, sólo tienes que pedírselo y los bucles son la forma técnica de llevarlo a cabo.

5. Tejer grafos de agentes: aquí es donde llega la idea de que un Agente ya es un paso importante pero poder trabajar con varios de ellos de manera orquestada es otro nivel. De esta forma el diseño de grafos es lo último de lo último cuando hablamos de IA, porque de lo que nos estamos dando cuenta es que cuando hablamos de agentes 1+1 puede ser más que 2. Porque si sabemos estructurar bien el trabajo de los agentes no vamos a ver únicamente la ventaja de tener a más de uno trabajando sino que cuando repartimos el trabajo entre ellos el rendimiento es mucho mayor. Por ejemplo, si uno planifica, otro ejecuta el trabajo y otro lo revisa, la calidad del resultado es mucho mayor que si dividimos el trabajo en varias partes y cada uno se encarga de los suyo. Y lo mejor es que esto que hemos hecho con 3 agentes se puede hacer con muchos más, tu imaginación y el presupuesto de tokens es el límite.

6. Evaluar y evolucionar: aquí es cuando llega la parte más complicada cuando hablamos de robótica, porque la evaluación debe realizarse poniendo al robot a trabajar en el mundo físico y aunque podamos usar simuladores, la realidad es la que pondrá a cada uno en su lugar. Por lo tanto, lo que tenemos que saber es que este framework que acabamos de presentar para el uso de agentes de IA en robótica sólo nos acelera y facilita el trabajo de trabajar con robots, pero aún faltan piezas por resolver para que podamos disponer de robots de propósito general complemento funcionales, por ejemplo lo relativo a modelos del mundo. Pero la buena noticia es que si las empresas que ahora trabajan en el desarrollo de estos modelos de IA también están usando agentes para acelerar su trabajo las soluciones no tardarán en llegar.

Y aquí es donde está la clave del asunto, porque lo que ha ocurrido con la IA, donde antes si querías usar la IA la tenías que desarrollar todo desde cero, pero la llegada de ChatGPT ha eliminado las barreras de entrada, es lo que va a ocurrir ahora con la robótica. Así, gracias al trabajo de empresas como Applied Intuition y otras cientos que se dedican al ámbito de la IA Física, el gran reto no va a ser crear el robot, sino ponerlo a trabajar.

Este es el objetivo que nos proponemos desde Integrarobot, ayudar a las empresas y profesionales a afrontar la robótica desde un punto de vista de negocio, no desde el aspecto técnico. Si sabemos que empresas con las capacidades de NVIDIA, Google, Tesla, OpenAI y Anthropic, entre otras muchas, ya trabajan para resolver la tecnología que haga posible la robótica de propósito general, en lo que tenemos que centrarnos los demás es en darle utilidad y aquí es donde los agentes pueden jugar un papel fundamental.

Ahora gracias al framework AGENTE tienes los recursos que necesitas para empezar a trabajar en la implementación de la robótica en los procesos productivos, no necesitas esperar a la llegada de los humanoides, muchos otros tipos de robots, como los robots camareros, los robots de reparto y los brazos robóticos están disponibles para integrar la robótica en las empresas.

Más noticias sobre robótica e IA Física

🤖 Unitree presenta UnifoLM-OminiA-0.3, un modelo único para manipulación móvil de cuerpo completo con interacción omnicanal en tiempo real. La demostración lo sitúa en tareas de cuidado en el hogar y bienestar, con ejecución autónoma, estable y resistente a perturbaciones.

🏭 Walden Robotics sale del modo stealth con 300 millones de dólares y una valoración de 1.100 millones para desplegar robots de propósito general en entornos productivos. La compañía, nacida del entorno de Toyota Research Institute, afirma que ya está operando en una planta de Toyota en Norteamérica.

🧱 Monumental capta 32 millones de dólares para escalar sus robots autónomos de construcción. La empresa ya opera una flota de más de 100 robots de albañilería y quiere ampliar despliegues en Europa, reforzar Reino Unido y preparar su entrada en Estados Unidos.

🧠 RoboTTT propone un marco para llevar el contexto visuomotor hasta 8.000 timesteps y habilitar imitación one-shot a partir de vídeo humano. El sistema combina tokenización temporal, mejora de política en línea y razonamiento a largo horizonte, y reporta mejoras claras en tareas de ensamblaje prolongadas y manipulaciones con perturbaciones.

🧺 Sunday Robotics adelanta ACT-2, un modelo centrado en fiabilidad y generalización para robots domésticos. El sistema se preentrena con datos humanos sensorizados y alcanza un 99,1% de éxito zero-shot en doblado de ropa en entornos no vistos, con mejoras postentrenamiento que la compañía afirma que generalizan fuera de sus propios hogares de prueba.

🇯🇵 NVIDIA amplía su frente industrial en Japón con fabricantes y grupos de robótica que están construyendo sobre Cosmos, Isaac, Metropolis y Jetson para acelerar IA física en manufactura. El movimiento refuerza la estrategia de NVIDIA de convertir su stack en la capa común para simulación, entrenamiento y despliegue robótico en la industria japonesa.

🧠 BrainCo presenta una interfaz cerebro-robot que usa señales EEG para controlar brazos robóticos y otros equipos con la actividad cerebral del usuario. El sistema se mostró en la WAIC y se plantea como una vía para mejorar interacción hombre-máquina, asistencia y control de sistemas físicos.

🔩 Futronic recibe una inversión de Blackstone para reforzar a uno de los proveedores surcoreanos de actuadores de alta precisión para robótica industrial y automoción. La operación señala que la carrera robótica no solo se está financiando en la capa visible de los humanoides, sino también en la cadena crítica de componentes de movimiento.

🦾 Astribot presenta Lumo-2, su nuevo world-action model latente para aprendizaje robótico generalista. El modelo sustituye planificación textual explícita por razonamiento predictivo implícito en un espacio latente físico, introduce una alineación progresiva entre acción, visión y lenguaje, y amplía el entrenamiento a datos multisource como vídeos egocéntricos humanos.

💰 Humanoid cierra una Serie A de 152 millones de dólares con una valoración post-money de 1.350 millones. La ronda sitúa a la compañía entre los grandes aspirantes europeos en humanoides industriales y le da capital para seguir desarrollando plataforma y despliegue comercial.

🗺️ World Labs adquiere SceniX para acelerar su apuesta por inteligencia espacial aplicada a robótica. La integración une trabajo en percepción, generación de mundos, simulación y aprendizaje con la ambición de convertir la inteligencia espacial en una base operativa para robots que actúan en entornos físicos.

⚙️ NVIDIA llega con los módulos T5000, T4000, T3000 y T2000 de Jetson Thor para robots y agentes de edge AI. Esta familia se sitúa como base de computación para humanoides, manipulación y autonomía industrial, con adopción ya anunciada por compañías como 1X, Boston Dynamics, FANUC, Hitachi, Techman y Amazon Robotics.

A lo largo de este verano, los científicos de la empresa Anthropic, creadores de Claude, han retomado el interés por la robótica y están empezando a hacer avances muy interesantes que podrían suponer un nuevo impulso para la llegada de la robótica de propósito general.

Atento a esto que publicaron el 18 de junio:

“Observamos un patrón en el que, primero, los modelos ayudan a los humanos. Luego, los humanos ayudan a los modelos. Finalmente, los modelos son capaces de realizar tareas por sí mismos. Hemos visto esto antes en la ciberseguridad y ahora la misma dinámica está empezando a tomar forma en la intersección de la IA y el mundo físico.”

Lo de la ciberseguridad es importante porque Anthropic ha tenido este año un protagonismo enorme a nivel mundial debido al desarrollo del modelo Mythos que ha puesto patas arriba todo el sector de la seguridad informática por su capacidad de descubrir vulnerabilidades en el software de una forma mucho más eficiente que las personas. Esto ha llevado a la empresa incluso a tener problemas a nivel político con la prohibición temporal por parte de Estados Unidos del modelo Fable, la versión para el público general de Mythos.

Si realmente los creadores de Claude logran avances tan importantes en la aplicación de la IA a la robótica como lo han hecho con la ciberseguridad, esto supondrá un gran impulso para el desarrollo de la IA Física y por eso es tan importante que conozcamos en detalle qué es lo que han estado haciendo y cómo podría evolucionar.

🗓️ Agosto de 2025: comienza el Proyecto Fetch que consiste en un experimento para comprobar hasta qué punto Claude podía ayudar a los empleados de Anthropic, que no eran expertos en robótica, a realizar tareas sofisticadas con un robot cuadrúpedo y descubrieron que poder usar el modelo de vanguardia en aquel momento (Claude Opus 4.1) permitió a un equipo superar con creces al otro, que solo podía recurrir a Internet y a su propio ingenio. El equipo que contó con la ayuda de Claude logró hacer más, y más rápido.

🗓️ Junio de 2026: se retoma el Proyecto Fetch para ver si los modelos más recientes podrían superar a la generación anterior. No solo lo lograron, sino que Claude Opus 4.7 operando sin asistencia humana, fue aproximadamente 20 veces más rápido que el equipo humano más veloz en todas las tareas completadas por los participantes en el experimento hace menos de un año .

Como conclusión de este trabajo de Anthropic lo que encontramos es que los modelos de IA generalistas cuando se usan en robótica están mejorando rápidamente, pero su capacidad depende en gran medida del método de control que utilizan. Cuando deben controlar las articulaciones por sí mismos, suelen fallar. Sin embargo, cuando supervisan un controlador preentrenado o utilizan herramientas de orientación sencillas, pueden completar tareas reales de navegación y manipulación. Algunas formas de robótica siguen siendo difíciles de manejar y controlar, pero los modelos más recientes, son mucho más eficaces a la hora de ajustar sus estrategias y convertir la comprensión visual y sensorial en acciones apropiadas en distintos ámbitos.

Esto es importante para el desarrollo y la implementación segura de modelos de lenguaje en robótica. Los modelos de vanguardia actuales no pueden controlar robots humanoides sin una política preentrenada, pero los modelos más recientes han logrado avances significativos en la manipulación directa y el control de políticas de alto nivel en las representaciones humanoides y cuadrúpedas.

Los modelos fundacionales empiezan a ser capaces de orquestar capacidades robóticas que ya existen, por lo tanto el valor del agente no estará en generar cada movimiento, sino en:

• Comprender la intención humana

• Descomponer una tarea

• Elegir la capacidad robótica adecuada

• Supervisar su ejecución

• Detectar errores

• Cambiar de estrategia

• Aprender de intentos anteriores

Por lo tanto, lo que este trabajo de Anthropic nos está enseñando es que en el futuro la forma de trabajo habitual en la robótica tendrá la siguiente estructura:

Pero más importante aún, esto que va a ocurrir en la robótica también va a suceder en la tecnología en general, es decir, los Agente de IA se van a convertir en la interfaz con la que interactuamos con la tecnología. Lo que hasta ahora hemos hecho a través de software o webs para gestionar cosas, comunicarnos o informarnos, ahora lo haremos a través de Claude, ChatGPT, Gemini, … en lenguaje natural, sin botones, menús, links, … todo a través de las palabras, ya sean escritas o por voz. Y serán esos agentes los que se encarguen de gestionar el software por nosotros o generarlo “al vuelo” si es necesario.

Mistral también le tiene ganas a la robótica

Ahora que ya conocemos lo último que está haciendo Anthropic en robótica, que podemos añadir a las noticias recientes de la búsqueda de ingenieros en robótica por parte de OpenAI y el trabajo que realiza DeepMind en IA Física para construir el Android de la robótica, veamos también cómo otros laboratorios de IA ponen la mirada en la robótica como uno de los siguientes hitos en su camino.

En concreto en Europa tenemos a Mistral como el principal desarrollador de LLMs y ahora se lanza también a crear su propio modelo de navegación autónoma para robots.

Robostral Navigate permite a los robots navegar de forma autónoma en entornos complejos utilizando únicamente una cámara RGB, logrando un éxito del 76,6 % en pruebas de referencia R2R-CE no vistas, superando a los enfoques multisensor. El modelo ha sido desarrollado íntegramente por Mistral con datos simulados y técnicas de optimización de tokens, se generaliza a diferentes tipos de robots y se adapta a obstáculos del mundo real no vistos durante el entrenamiento. El modelo combina la navegación basada en punteros con el aprendizaje por refuerzo para una mejora continua, allanando el camino hacia una IA integrada en la robótica.

Como te puedes imaginar, todos estos esfuerzos conjuntos de los laboratorios de IA, sumados a los que están realizando las empresas de robótica, son un nuevo catalizador que acelerará aún más el desarrollo de la IA Física.

Más noticias sobre IA Física y robótica

✋ 1X presenta las nuevas manos de NEO con 25 grados de libertad, transmisión por tendones, control de fuerza en todas las articulaciones y sensores táctiles distribuidos. 1X afirma precisión de ±0,2 mm, resistencia IP68, materiales aptos para alimentación y capacidad para fabricar 10.000 manos este año en su propia línea de producción.

🧪 ABB Robotics firma una colaboración global con Roche Diagnostics para desarrollar soluciones robóticas para laboratorios clínicos. Las primeras aplicaciones se centran en la manipulación y organización de portaobjetos de patología y en la intralogística autónoma de laboratorios centrales mediante robots móviles y brazos articulados.

🥋 RoboDojo presenta un benchmark unificado en simulación y mundo real para evaluar políticas generalistas de manipulación. La plataforma reúne 42 tareas en simulación, 18 tareas reales y un leaderboard público para comparar de forma homogénea modelos y sistemas de control sobre manipulación robótica.

🏭 Mitsubishi Motors firma un memorando con Highlanders, startup de robótica de la Universidad de Tokio, para desarrollar humanoides para sus operaciones de fabricación y estudiar su producción en masa en la planta de Kioto a partir de comienzos de 2027. El acuerdo combina despliegue interno y capacidad industrial, y se presenta como el primer pacto entre un fabricante de automóviles y un desarrollador de humanoides que incluye producción en serie.

🏆 Booster Robotics domina RoboCup 2026 y se lleva todos los títulos en las divisiones pequeña, media y grande. De los 59 equipos participantes, 38 compitieron con robots de Booster, incluyendo campeones en las plataformas T1, K1 y K1 Air, mientras la compañía refuerza su ecosistema con Booster Studio y un nuevo torneo 3v3.

💰 Holiday Robotics cierra una Serie A de 155.000 millones de wones, equivalente a algo más de 100 millones de dólares, para acelerar su robot FRIDAY y su apuesta por humanoides industriales. La ronda se ha descrito como la mayor Serie A de una startup surcoreana y como una de las mayores financiaciones individuales para una compañía de humanoides en Corea.

🛞 AI² Robotics capta 735 millones para escalar AlphaBot, su robot con base móvil, torso humanoide, brazos manipuladores y manos de cinco dedos. La compañía vincula el sistema con Alpha Brain, su modelo de visión, lenguaje y acción, y mantiene un enfoque centrado en despliegues industriales antes de abrirse a escenarios públicos más amplios.

🌍 Xiaomi presenta U0 un modelo autoregresivo multimodal de 38.000 millones de parámetros para síntesis encarnada con world foundation models. El sistema soporta generación multivista coherente entre distintos embodiments, edición estructurada de escenas y transferencia encarnada, y reporta una mejora del success rate fuera de distribución de pi_0.5 del 36,9% al 63,2% en tareas reales de manipulación.

⚡ UBTECH se alía con Shenhao Technology para desarrollar humanoides para operaciones de red eléctrica en subestaciones y salas de distribución. El acuerdo incluye un laboratorio conjunto para aplicaciones eléctricas y apunta a tareas como inspección con sensores multimodales, detección de defectos, maniobras de conmutación e instalación de cables de puesta a tierra.

🚜 TerraFirma capta 115 millones de dólares para ampliar su tecnología de operación remota de maquinaria de construcción. La empresa, fundada por dos exingenieros de SpaceX, planea contratar 300 personas, construir una fábrica en Texas y un mission control center, mientras sigue desarrollando interfaces de control remoto para equipos pesados con la vista puesta a largo plazo en infraestructura para la economía espacial.

Nota: hoy quería pedir disculpas porque el lunes cometí un error al enviar una newsletter de forma automatizada usando la IA. Estaba en un curso enseñando a usar Codex e hice la demostración de cómo realizar el proceso completo de escribir una noticia y publicarlo de forma automática. Me distraje tanto con la explicación que no supe pararlo a tiempo y la noticia se acabó enviando. Así que mis disculpas porque no tengo la intención de publicar esta newsletter con IA, fue simplemente un descuido.

La transición de los robots camareros a los humanoides

Y ahora vamos al tema del día, porque recientemente estamos viendo una nueva tendencia en el ámbito de la robótica que empieza a consolidarse y que seguramente ayudará a darle un nuevo impulso a este sector. Me refiero a que varias nuevas startups han decidido lanzar al mercado un nuevo tipo de robot que aún no es del todo un humanoide pero que está bastante más evolucionado que un robot camarero.

En concreto tenemos tres casos muy recientes que vale la pena conocer, porque seguramente van a marcar tendencia y van a acelerar esta transición que estamos viviendo de la robótica programable a la IA Física.

• Weave presenta el robot Issac, un robot construido específicamente para trabajar en los hogares. Ya se pueden realizar los pedidos, con un precio de suscripción de 499 dólares al mes o 7999 dólares si se paga completo. Según el plan previsto el robot comenzará a entregarse en otoño a sus primeros compradores y como puedes ver, se desplaza sobre una plataforma móvil para realizar tareas básicas del hogar, como recoger, colocar ropa y hacer las camas. Poco más por ahora, pero suficiente como para que muchos early adopters puedan plantearse la compra de su primer robot humanoide para el hogar.

• Nori por su lado nos presenta un robot que también se desplaza sobre ruedas pero en este caso su formato es aún más básico ya que los brazos robóticos tienen su estructura muy a la vista, lo cual le da un aspecto aún poco evolucionado. En todo caso las demostraciones que aparecen en su web nos muestran buenas capacidades a nivel de manipulación de objetos. Y el precio es muy asequible ya que son 1288 dólares en la versión pequeña y 1322 en la versión grande. Parece las ventas están yendo bien ya que el primer lote de fabricación se ha agotado.

• Bracket Bot es la tercera startup que sigue este mismo patrón y nos presenta un robot manipulador con ruedas motrices tipo aeropatín, con una forma alta y delgada. Los creadores quieren fabricar nada menos que “mil millones de robots” con un precio inferior a 3000 dólares. La empresa tiene planificado empezar a vender el robot para finales del verano y sus esfuerzos actuales se centran en escalar la recopilación de datos para el entrenamiento de sus modelos de IA Física.

Hecha esta presentación, recordemos que hace ya unos meses se presentaron propuestas similares como Sunday y Tangible, por lo que no es que estemos ante algo totalmente nuevo sino un avance más en la misma dirección.

Y ahora sí, vamos con el análisis, porque la primera interpretación nos lleva a pensar en que estos robots son una etapa transitoria previa a la llegada de los verdaderos humanoides, como Figure y Optimus, pero quizás no se trate de eso, sino que realmente este tipo de robots tengan su sentido por sí mismos. Y me baso principalmente en la cuestión del precio, porque mientras que las estimaciones de los robots más avanzados, con piernas y grandes capacidades físicas, nos hablan de una cantidad que pueda rondar los 50.000 dólares, en estos casos estamos hablando de unas 10 veces menos.

Por lo tanto, lo que podría ocurrir es que durante mucho tiempo veamos que se produce una situación similar a la del mercado de la movilidad. Quién no quiere o no puede permitirse un vehículo de alta gama opta por opciones más asequibles y sencillas, incluso hay quien prefiere una motocicleta o una bicicleta, por lo que si en cuestión del uso de máquinas para el transporte la variedad es muy alta, con los robots humanoides podría ocurrir algo similar.

Esa es la primera opción, porque la segunda nos estaría hablando de un proceso evolutivo, donde los robots ahora son muy simples, básicamente un robot camarero con brazos, pero en el futuro esas mismas empresas crearán productos mucho más sofisticados y con capacidades más avanzadas.

El tiempo lo dirá, pero en este caso me inclino más por la primera opción, el mercado para propuestas como la de Weave y Nori es enorme, por lo que quizás no sea necesario que estas empresas dediquen sus esfuerzos a realizar grandes cambios a nivel de hardware de su robot sino en dotarlos de utilidad a través de la IA y sobre todo en fabricarlos en masa a medida que el mercado los vaya demandando.

Más noticias sobre robótica e IA Física

📊 ARK Invest publica un nuevo análisis sobre IA Física en el que sitúa a los humanoides como un salto de complejidad muy superior al de los robotaxis. El informe plantea que un robot generalista es unas 200.000 veces más complejo que un robotaxi, que el rendimiento operativo de los humanoides podría acercarse al de los robotaxis actuales en 2028 y que Tesla necesitaría invertir unos 50.000 millones de dólares en cómputo operativo para llevar Optimus hasta la competencia casi humana.

🏠 UBTech presenta la serie doméstica UWorld U1, una nueva línea de humanoides para uso en el hogar y compañía. La gama incluye U1 Lite, U1 Pro y U1 Ultra, con precios entre 119.800 y 990.000 yuanes, 88 articulaciones biomiméticas, piel electrónica flexible y reconocimiento de más de 20 estados emocionales. UBTech afirma que los pedidos acumulados superaban las 13.361 unidades en el lanzamiento.

📈 Unitree recibe luz verde para su salida a bolsa en el mercado STAR de Shanghái y se prepara para convertirse en la primera empresa de robots humanoides cotizada en China. La compañía planea captar 4.202 millones de yuanes para ampliar producción, reforzar I+D en inteligencia incorporada y construir nuevas fábricas, en un momento en que el país ya suma más de 140 fabricantes de humanoides y 27 centros nacionales de recolección de datos.

🧪 NVIDIA presenta SimFoundry, un sistema Real2Sim2Real que genera gemelos digitales y “task cousins” para mejorar la generalización de políticas robóticas. En los resultados publicados, los datos sintéticos de SimFoundry elevan el rendimiento real de un VLA afinado sobre 13 tareas del 28% al 46%, y en siete tareas no vistas pasa del 0% al 29%, además de superar a SAM3D en reconstrucción de mallas y poses de objetos.

🎪 China muestran una nueva fase de mercado con robots que se alquilan para ferias, eventos, propuestas de matrimonio y acciones promocionales. Las tarifas se mueven en torno a 3.000 yuanes al día, con operador incluido, y el negocio ya ha generado miles de pedidos en sus primeros meses. Al mismo tiempo, esta vía deja claro que los robots todavía necesitan supervisión humana y siguen lejos de sustituir trabajo autónomo real.

🖐️ Proception cierra su conflicto judicial con Tesla y anuncia una ronda semilla de 11 millones de dólares liderada por First Round Capital. La startup, fundada por Jay Li tras su paso por Optimus, desarrolla ProHand y ProGlove con el objetivo de resolver uno de los problemas más difíciles de la robótica: conseguir manos realmente funcionales para tareas de destreza fina.

💸 X Square Robot completa cuatro rondas consecutivas de financiación hasta una Serie C y eleva su valoración por encima de los 2.800 millones de dólares. La empresa destinará el nuevo capital al desarrollo de foundation models para IA incorporada, despliegues comerciales e infraestructura robótica integrada, consolidándose como una de las startups de embodied AI mejor valoradas de China.

📡 OctoSense presenta una nueva plataforma abierta de percepción multimodal para robots y vehículos, con cámaras estéreo RGB, cámaras de eventos, LiDAR, térmica, IMU, GPS con RTK y propiocepción. El dataset asociado reúne 59 horas de conducción sincronizada en distintos entornos y momentos del día, incluyendo situaciones con sensores degradados, y el trabajo propone un marco autosupervisado para aprender percepción robótica con todas esas modalidades a la vez.

Para ello usamos el ejemplo de los robots camareros como antesala de la llegada de los robots humanoides, y mejor aún, un tipo de robots móviles equipados co…

Read more

Cotizar en bolsa es un hito importante para muchas empresas, pero no está exento de riesgos. De hecho hay empresas importantes que se niegan a cotizar de manera pública para evitar ciertos problemas de pérdida de control, exceso de supervisión institucional, …

Por esto, en el sector de la robótica seguro que vamos a ver muchos tipos de situaciones. Empresas pequeñas que salen a cotizar muy pronto, como el caso de Agility que hoy presentamos y empresas que llegan a ser muy grandes sin necesidad de salir a bolsa.

Salir a bolsa para lo que a nosotros nos importa, implica poder ser accionistas de estas empresas a las que venimos dando seguimiento y que tanto pueden hacer por mejorar el mundo, así que por eso creo que vale la pena prestarle atención.

En el caso de Agility saldrá a bolsa a través de una SPAC, lo cual suele tener unas connotaciones algo diferentes a las de una salida a bolsa convencional, IPO, como lo llaman en USA y OPV como lo llamamos por aquí.

Lo de la SPAC es más sencillo de lo que parece. Hay empresas dedicadas a las inversiones, en este caso Churchill Capital, que sacan a cotizar una especie de fondo de inversión que tiene como objetivo invertir en una sola empresa, lo curioso es que cuando esa especie de fondo sale a bolsa la empresa en la que se quiere invertir aún no se ha elegido. Entonces parte del dinero que se recauda se utiliza para buscar la empresa y una vez se ha encontrado se compra una participación de la misma y la que queda cotizando es la empresa “comprada”, no el fondo.

De esta forma las pequeñas empresas, como Agility, que no quieren complicarse la vida realizando todo el proceso de una IPO, lo cual a su vez es bastante caro, pueden usar esta opción y salir al mercado de manera rápida y sencilla para captar fondos que le permitan acelerar su crecimiento.

Este tipo de formas de cotizar se hizo muy popular en USA a partir de 2020 y permitió salir a bolsa a muchas empresas de biotecnología y también de computación cuántica. Pero precisamente esta historia previa nos debería poner en alerta porque si miramos las cotizaciones de esas empresas que salieron a cotizar a través de SPACs veremos que en muchos casos los accionistas particulares no han salido nada beneficiados.

Así la historia por ahora nos enseña que hay que ser precavidos porque lo normal es que en una fase tan inicial las expectativas están muy infladas y cuando la empresa empieza a enfrentarse al escrutinio público muchas de esas expectativas se derrumban y el valor de la empresa puede tardar muchos años en recuperarse.

Con Agility no tenemos ni idea de lo que va a ocurrir, en lo que a valor de mercado se refiere, pero lo que sí sabemos es que la empresa es una de las pioneras en robótica humanoide y que va dando los pasos adecuados para llegar al mercado, por ejemplo gracias a la colaboración con Toyota, con Mercado Libre, con GXO, ...

Y ahora vamos con el resto del mercado, porque Agility por supuesto que no va a ser una excepción, de hecho acaba de producirse una noticia importante entre las empresas de robótica orientales como es el comienzo de cotización de SEER Robotics en la bolsa de Hong Kong. Lo cual me ha sorprendido ya que esperaba que antes saliera a cotizar Unitree o alguna de los otros fabricantes de robots que estaban más avanzados. Por ejemplo Agibot también ha anunciado sus planes para salir a bolsa.

Entonces, ¿de dónde viene todo este interés por salir a bolsa por parte de las empresas de robótica? Es sencillo, las empresas están siguiendo su ciclo de vida habitual, e incluso en algunos casos se toma la vía rápida, como ocurre con Agility, pero lo cierto es que el sector está en su mejor momento en lo relativo al interés por parte de los inversores y eso hay que aprovecharlo.

Lo del mejor momento no lo digo yo, lo dice el fondo de venture capital Adreessen Horowitz, que de esto de invertir sabe un rato y llevan tiempo avisando que tras aquel “el software se está comiendo el mundo” llega el “la robótica va a ser la mayor industria en la historia”.

De esta forma, la robótica y la IA física ya ocupan la segunda posición en el ranking de inversión en startups, superando a otros sectores con más trayectoria como Fintech, Biotech, Cuántica, …

Así lo cuentan desde el propio fondo de venture capital:

“La preferencia por la tecnología del “mundo real” se está haciendo evidente en los mercados privados, no solo en la infraestructura de IA, sino también en la robótica: Si se mide por el valor de las 100 principales empresas privadas (por categoría), la robótica (y la IA física) ni siquiera figuraba en la lista en 2016, pero una década después, ha eclipsado a las fintech y los pagos como la segunda categoría más importante. Si sigues la pista de hacia dónde fluye el dinero de los inversores de capital riesgo, el aumento del interés por la robótica también se refleja en ese flujo. El primer trimestre de 2026 fue un año récord para la robótica y la IA física, tanto por el valor como por el número de acuerdos, con una inversión de aproximadamente 16.000 millones de dólares en poco menos de 500 operaciones. Para ponerlo en contexto, la avalancha de inversiones en robótica es aproximadamente el doble en cantidad y 4,5 veces mayor en valor que el período anterior comprendido entre 2021 y 2025. La cuestión es que la transición hacia los átomos (al menos en los mercados privados) no se limita a los chips y la inferencia que, en última instancia, impulsarán la próxima generación de software; el hardware, como producto en sí mismo, está en auge. Y tiene sentido. Un software aún mejor tiene un potencial enorme, pero la robótica impulsa la tecnología hacia una serie de “tareas” del mundo real que el software por sí solo no puede abordar. En la medida en que la IA desbloquea el software que impulsa el hardware , amplía el alcance de la demanda de maneras sin precedentes, de forma similar a como la electricidad permitió a las máquinas realizar trabajos que la humanidad apenas había imaginado (antes de que la “potencia” estuviera tan fácilmente disponible).”

Así que ya sabes, cada vez tenemos más opciones para invertir en IA Física, lo cual es una buena noticia para todos los que queremos aprovechar el éxito de este sector.

Más noticias sobre robótica e inteligencia artificial física

🚗 Figure anuncia la llegada de Figure 03 a Hall 52 de la planta de BMW en Spartanburg para un caso de uso de secuenciación logística. La compañía dice que Figure 02 contribuyó al ensamblaje de 30.000 coches en BMW en 2025 y que ahora Figure 03, con Helix 02, se encarga de recoger piezas de contenedores no ordenados, colocarlas en un trolley de secuenciación y manipular el carro mientras recoloca su cuerpo y sus pies.

🤝 ABB Robotics anuncia una colaboración con PSYONIC para usar datos de manipulación generados por usuarios de prótesis en el entrenamiento de robots. El proyecto combina la Ability Hand de PSYONIC con el cobot GoFa de ABB para explorar cómo datos de tacto, movimiento y fuerza de agarre pueden trasladarse a tareas delicadas y variables en automatización industrial.

📈 Morgan Stanley ha vuelto a subir su previsión para el mercado chino de robots humanoides. El banco espera unas 50.000 unidades enviadas en 2026, frente a una estimación previa de 28.000, y proyecta un mercado de 15.000 millones de dólares y 446.000 unidades anuales en 2030, contando solo ventas externas.

🎮 General Intuition ha captado 320 millones de dólares a una valoración de 2.300 millones. La compañía entrena modelos con cientos de millones de horas de clips de videojuegos de Medal y con registros de acciones de jugadores, y afirma que esa base sirve para desarrollar agentes que luego puedan pasar de juego a simulación y a robots físicos.

🦿 Apptronik presenta Apollo 2 como una nueva versión modular de su plataforma humanoide, con configuración bípeda o con base rodante según la tarea. La empresa destaca actuadores propios con más del 90% de eficiencia energética, baterías intercambiables para operación 7x22, zonas de seguridad por hardware, y una pila formada por Apollo 2, Artemis para percepción y control, y Fleet Connect para gestión de flota.

🏗️ Humanoid publica KinetIQ Ascend, una extensión de su framework KinetIQ para aplicar aprendizaje por refuerzo directamente sobre hardware real en tareas de manipulación industrial. La compañía afirma mejoras de rendimiento en tres tareas productivas: +42% en alimentación de máquina, +85% de throughput y una subida del 80% al 98% de éxito en handover, y más del doble de throughput con un salto del 78% al 99% en manipulación bimanual de totes.

🗺️ Robbyant presenta LingBot-Map como un modelo fundacional feed-forward para reconstrucción 3D en streaming. El proyecto describe una arquitectura Geometric Context Transformer con tres tipos de contexto (anchor context, pose-reference window y trajectory memory) y publica inferencia estable en torno a 20 FPS sobre secuencias de más de 10.000 frames.

🧩 DEEPX y Sixfab lanzan AI HAT+, una placa para Raspberry Pi 5 orientada a inferencia local en robots pequeños, prototipos de automatización y equipos industriales Para ello integra una NPU de DEEPX dentro de un formato compatible con Raspberry Pi y busca ejecutar modelos embebidos en tiempo real sin depender de GPU externa ni de la nube.

🏭 Tesla habría elevado el objetivo de producción de Optimus de 50.000 a 70.000 unidades, con una capacidad a largo plazo de 1,5 millones, mientras que las previsiones para fabricantes chinos en 2026 se mueven entre 40.000 y 50.000 unidades y BYD planea desplegar hasta 20.000 robots para uso interno a finales de año.

Por eso, en esta clase del curso de de Robótica e IA Física usamos Codex para analizar las oportunidades que puede haber para empresas i…

Read more

Una de las claves por las que los LLM está evolucionando tan rápido ha sido la gran competencia entre los laboratorios de IA por tener los mejores modelos, lo cual se veía materializado en su posición en los rankings de evaluación. Por ejemplo, se acaba de presentar un modelo desarrollado en Japón y llamado Fugu, que ha puesto en el mapa de la IA al laboratorio Sakana, que lo desarrolla, gracias a haberse posicionado muy bien en esos rankings de evaluación de los LLM. Algo similar lo hemos visto anteriormente con otros laboratorios que habitualmente no están entre los primeros, como ha sido el caso de Deepseek y xAI con Grok.

El caso es que una situación bastante similar podría producirse en el ámbito de la robótica, pero en este caso no se trata únicamente de evaluar las capacidades cognitivas de los modelos de IA Física sino también la destreza manual, la capacidad de movimiento y otras habilidades, lo cual hace de la evaluación de los robots un reto mucho mayor que la evaluación de los modelos de IA Generativa.

Que sepas, por ejemplo, que científicos muy afamados en el ámbito de la IA, como François Chollet, han dedicado una parte importante de sus esfuerzos a nivel de investigación a establecer esos criterios necesarios para determinar si la IA es realmente inteligente, a través de procesos de evaluación como es en su caso ARC Prize.

Así en en materia de robótica estamos en una situación similar a la que ocurría con los LLM hace 3 años, cuando Google, Anthropic y otros empezaron a sacar sus propios modelos y se inició la competencia para desbancar al pioneros de los chatbots de IA: ChatGPT.

Y en robótica ya hace tiempo que venimos viendo diferentes intentos por crear esos sistemas de evaluación del rendimiento de los robots, por ejemplo algunas de las iniciativas más populares hasta el momento han sido:

• RoboLab-120: consiste en una prueba de rendimiento basada en simulación con experimentos realizados por personal de NVIDIA.

• RoboArena: clasificación de robótica distribuida y basada en simulación donde se realizan experimentos en la realidad.

• MolmoSpaces: plataforma de código abierto para el desarrollo de robótica, compatible con múltiples simulaciones y métodos de entrenamiento que ofrece una una tabla de clasificación de robots móviles, con una variedad de tareas diferentes

Y ahora el NIST (Instituto Nacional de Estándares y Tecnología de Estados Unidos) ha presentado un método integral para evaluar las capacidades físicas mínimas esperadas para los robots humanoides que pretende ser el primer estándar de rendimiento para robots humanoides desde que se realizó el desafío de Robótica DARPA de 2015

“En una década en la que Optimus, Figure , Agility , Apptronik , Unitree y una docena de otras plataformas humanoides han atraído miles de millones en inversión, todavía no existe una forma consensuada de medir lo que cualquiera de ellas puede hacer realmente. Los vídeos de marketing han suplido esta carencia”. Aaron Prather, director del Programa de Robótica y Sistemas Autónomos de ASTM International.

La división de sistemas inteligentes del NIST ha realizado esta propuesta a partir de su colaboración previa con la Agencia de Proyectos de Investigación Avanzada de Defensa (DARPA) para evaluar las capacidades de los humanoides en la industria y el ámbito académico, y para orientar su desarrollo futuro.

El NIST propone este modelo de referencia de rendimiento como un conjunto de tareas de locomoción y manipulación de bajo impacto. Para ello, utilizan métodos de prueba y métricas de rendimiento previamente definidos y estandarizados. Estas tareas pretenden representar las capacidades mínimas de los robots humanoides disponibles comercialmente para aplicaciones industriales, domésticas , sanitarias y otras.

El objetivo es que los resultados de estas pruebas puedan establecer parámetros de medición para los robots líderes del sector, así como un conjunto común de tareas para investigadores y fabricantes, proporcionando una base de referencia para el rendimiento al tiempo que se realizan las siguientes pruebas:

• Capacidades básicas de movilidad y manipulación/destreza de robots humanoides, independientes del dominio.

• Capacidades coordinadas que combinan tareas de locomoción y manipulación.

• Conciencia y control de todo el cuerpo a través de tareas de manipulación en espacios confinados.

• Razonamiento mínimo, comprensión de tareas y escenas, y toma de decisiones.

Otra iniciativa que va en esta misma línea a la hora de intentar evaluar la destreza de los robots es el ecosistema COMPARE, que se conforma como una comunidad respaldada por la Fundación Nacional de Ciencias y que está enfocada en la manipulación robótica. Este ecosistema ofrece un caso de estudio para el desarrollo de pruebas de robots en el que ya participan colaboradores de la industria, la academia, el gobierno y las organizaciones de normalización.

Los simuladores, como Cosmos de NVIDIA son otra herramienta de utilidad en este reto de la evaluación de robots, en este caso cuenta cinco conjuntos de datos sintéticos que abarcan robótica, conducción autónoma, interacciones físicas, humanos digitales y operaciones de almacén y los investigadores pueden usarlos la simulación generando ejemplos que son escasos, peligrosos o difíciles de comprobar en el mundo físico.

¿Por qué es esto importante para nosotros?

Pronto llegará un momento en el que tendremos que tomar decisiones importantes en el ámbito de la robótica, porque ahora el abanico de posibilidades es bastante limitado. Si te atreves con un humanoide apenas está la opción de Unitree, y si no llegar a eso podrás quedarte en un cobot, un cuadrúpedo o cualquier otro formato de robot enfocado en el ámbito educativo. Pero pronto los principales fabricantes de robots comenzarán a ponerlos a la venta y entonces habrá mucha gente que tendrá que tomar decisiones de gran trascendencia. Por ejemplo:

• La empresa que no va a tener suficiente con comprar un sólo robot, porque realmente lo que necesita es toda una flota para afrontar sus necesidades de mano de obra. No es lo mismo decidir invertir 50.000 euros en un robot que multiplicar eso por 10, 100 o incluso 1000.

• Aquellos que no compren un robot para usarlo para sí mismos sino para ofrecerlo a otros, ya sea vendiéndolos, alquilándolos o en cualquier otro tipo de modelo de negocio, donde la inversión inicial puede ser importante y tomar una buena decisión puede ser crítica para el futuro del negocio.

• Los que decidan especializarse en ofrecer servicios relacionados con los robots, ya sea software, mantenimiento, implantación, personalización, … también tendrán que decidir con qué empresa se casan inicialmente y hasta qué punto aprenden sobre el tema para convertirse en especialistas reales en esos robots.

Como ves, el tema de las pruebas para robots no se queda en algo de científicos sino que va a tener unas connotaciones enormes a nivel de negocio, por eso es importante que estemos atentos a la evolución de este tipo de sistemas de pruebas y que cuando llegue el momento de tomar la decisión de la compra de robots podamos tener en cuenta los criterios que se deriven de estos sistemas de evaluación.

Más noticias sobre robótica e IA Física

🦺 NVIDIA no para de darnos buenas noticias sobre su apuesta por la robótica y acaba de lanzar Halos for Robotics, un sistema de seguridad para IA física que lleva su enfoque de seguridad funcional desde el coche autónomo al robot industrial. Incluye computo seguro con IGX Thor, software específico, blueprint de seguridad externa y un laboratorio acreditado para preparar certificaciones. Esto nos indica que la robótica empieza a necesitar una capa estándar de seguridad para escalar de verdad junto a humanos.

🏭 Sanctuary AI cambia de estrategia. En vez de esperar al humanoide perfecto, despliega su IA física sobre robots industriales ya existentes. La compañía afirma haber logrado un 99,5% de éxito en una tarea compleja de conexión de cables a 2,54 segundos por ciclo en un proveedor global de automoción. Lo importante de esto es ver que la IA física empieza a funcionar en brazos robóticos industriales antes de la llegada de los humanoides.

💰 Odyssey anuncia una Serie B de 310 millones de dólares a una valoración de 1.450 millones para acelerar sus world models y su apuesta por la simulación física general. La ronda, liderada por Natural Capital y con Amazon, GV, AMD Ventures, EQT e IQT entre los participantes, refuerza la idea de que los modelos del mundo están dejando de ser un experimento académico para convertirse en infraestructura estratégica.

🤖 Qwen presenta RobotSuite, un paquete con tres modelos base para navegación, manipulación y world modeling en agentes físicos. Qwen-RobotNav unifica cinco tareas de navegación, Qwen-RobotManip intenta alinear datos heterogéneos entre robots, y Qwen-RobotWorld propone un modelo del mundo compartido para más de 20 tipos de robots.

✋ Robotiq publica el digital twin de su sensor táctil TSF-85 sobre NVIDIA Isaac Sim para entrenar políticas de manipulación con contacto en simulación. El punto fuerte no es solo el gemelo digital, sino que exporta mapas táctiles sintéticos y ataca el problema real de la simulación de materiales deformables y el contacto con los objetos

📦 Cobot presenta Proxie Gen 2 con autotasking y manipulación móvil bimanual, buscando moverse de tareas dirigidas a identificar por sí mismo qué material hay que mover y adónde. La empresa lo posiciona para hospitales, almacenes, laboratorios y fábricas, y lo ofrece desde 5.000 dólares al mes según la cobertura asociada al lanzamiento.

🩺 Channel Robotics capta 4,6 millones de dólares para desarrollar una plataforma de endoscopia manual asistida por IA y avanzar hacia la aprobación de la FDA en 2027. Su objetivo es aportar destreza robótica dentro de flujos médicos ya existentes y hacerlo más accesible a más centros de salud.

🛠️ XDOF se dedica a construir la capa menos vistosa y más necesaria de la IA física: capturar, organizar y preparar datos para entrenar robots. Su propuesta combina teleoperación, redes de recogida de datos y trabajo de anotación para que laboratorios y empresas no tengan que montar por sí mismos toda esa infraestructura.

🧬 Midjourney presenta una nueva nueva línea de negocio en el ámbito de la salud donde quiere convertir el escaneo corporal recurrente en una nueva infraestructura de captura de datos biomédicos. Su hoja de ruta combina hardware propio, ensayos de investigación, iteración algorítmica diaria y un primer “research spa” pensado para generar mapas corporales a gran escala antes de abrir al público en 2027.

🚗 Boston Dynamics pasa a estar controlada al 100% por Hyundai tras la compra de la participación que todavía mantenía SoftBank. La operación deja a Boston Dynamics completamente integrada en la estrategia industrial del grupo coreano, justo cuando Atlas se orienta a fabricación.

¿Va a convertirse Integrarobot en una newsletter de IA? No, pero desde que vengo usando Codex de manera intensiva me he dado cuenta de que va a convertirse en la bisagra necesaria para que la robótica despegue.

Ya hace tiempo que escribí aquí sobre Agentes de IA, pero entonces lo veía como ejemplo a seguir para el desarrollo de los VLA, por la necesidad de disponer de una IA que no sólo sea capaz de reconocer imagen y texto (o generarlo) sino también de pasar a la acción.

Pero ahora el enfoque es diferente, porque no es necesario que los Agentes de IA ocupen el cerebro del robot, para eso se están desarrollando modelos específicos, como los WAM, sino que de lo que se trata es de usarlos para el desarrollo de los robots.

La gente de NVIDIA nos acaba de dejar un ejemplo de esto que comento, para que sepas a qué me refiero. Se trata del proyecto ENPIRE, donde se ha dejado a 8 agentes Codex al frente de una flota de robots, con el objetivo simple de resolver una tarea lo más rápido posible, mantener a los robots ocupados pero seguros y no desperdiciar cómputo valioso.

El resultado es que ahora los agentes de IA como Codex, Claude Code y Kimi Code, pueden usarse para realizar pruebas de robots 24/7 y de esta forma mejorar significativamente el avance en el desarrollo de software y entrenamiento de robots, sin tener que esperar a que un ingeniero esté disponible para hacer estas pruebas.

Y lo que quiero contarte hoy aquí es que ENPIRE es sólo la punta del iceberg, porque voy a darte la respuesta a una pregunta muy habitual: ¿Cómo es posible que no paren de salir nuevos robots humanoides casi cada día? Por ejemplo ayer se presentó ENO de Genesis, que hasta ahora se había dedicado a hacer software de IA para robots. Así que la razón está clara, es el uso que los desarrolladores están haciendo de la IA para crear robots.

Así que esto es lo que quiero enseñarte en el curso que ya he empezado a grabar y del que hay disponible una primera clase: cómo crear tu segundo cerebro digital sobre robótica, usando la técnica del LLM Wiki de Andrej Karpathy y el Open Knowledge Format que acaba de presentar Google.

Comenzamos por crear el segundo cerebro porque la IA necesita contexto para poder realizar su trabajo, por lo tanto lo primero que hacemos en Codex o Claude Code es alimentarlo con nuestro conocimiento sobre robótica, o con el conocimiento disponible en esta newsletter, en la base de datos de robots humanoides, … para luego ponerlo a trabajar.

Lo que viene después es lo más emocionante ya que no hay límite y podemos ir avanzando a medida que progresa también el desarrollo de la propia robótica.

Si empezamos de cero lo primero será aprender a crear skills, por ejemplo para evaluar investigaciones sobre robótica que podamos aplicar luego en nuestros proyectos. Cada día aparecen nuevas publicaciones de este tipo pero es difícil saber si pueden tener una utilidad real para nosotros. Cuando la IA nos conoce puede decirnos si algo nuevo puede tener una utilidad para nuestro trabajo o no vale la pena detenerse en ello.

Una vez que tenemos creadas skills, que son una forma de estandarizar un proceso de trabajo, como si fuera un prompt muy elaborado y que siempre ha de realizarse de la misma manera, se puede pasar a crear automatizaciones, que es la forma de que algo que ya está estandarizado se ejecute de manera recurrente a lo largo del tiempo. Esto por ejemplo lo podremos usar para estar al día de las novedades relativas al software o hardware que estemos usando con los robots.

A partir de aquí se pone más emocionante, porque ya se pueden empezar a construir cosas, al principio virtuales, pero luego podremos pasar a lo físico haciendo que los agentes de IA puedan controlar un robot real. Y en esa interfase nos encontramos con los simuladores, algo que hasta la aparición de los agentes podría resultar difícil de manejar, por su complejidad técnica, pero que ahora con los Agentes es pan comido.

En el curso iremos aprendiendo todo lo nuevo que vaya saliendo sobre Agentes para aplicarlo a la robótica (o a lo que cada uno quiera) porque no paran de salir novedades. Por ejemplo aprenderemos a crear aplicaciones de software para el control de robots y también algo de lo que ahora se habla mucho: cómo generar bucles para que los agentes trabajen de manera autónoma, justo lo que han hecho en NVIDIA con ENPIRE.

El objetivo final de este nuevo curso de Integrarobot es que puedas llegar a usar los Agentes de IA para alimentar con datos de entrenamiento a los robots. Hay mucho que aprender para llegar a eso y por eso creo que es el mejor momento de ponerse manos a la obra.

Así que me encantaría compartir contigo todo esto que estoy descubriendo sobre Agentes de IA y cómo aplicarlos a la robótica, por eso te animo a unirte a la Comunidad Pioneros Robots y de esta forma tener acceso exclusivo a los contenidos del curso.

Suscríbete ahora

Más noticias sobre IA Física y robótica

💰 Theker cierra una Serie A de 85 millones de dólares, presentada como una de las mayores rondas europeas de robótica, con CRV liderando y participación de Samsung, LVMH, Inditex, Henkel Ventures y Cathay Innovation. La startup barcelonesa trabaja en robots industriales con capacidades de IA para entornos no estructurados como retail, residuos, alimentación y logística. Una señal de que en se Europa empieza a financiar robótica cuando hay clientes, variabilidad real y ROI medible.

🤖 NEURA Robotics anuncia una Serie C de hasta 1.400 millones de dólares para escalar producción, expandirse globalmente y acelerar su plataforma Neuraverse. La compañía quiere llevar su humanoide 4NE1 y sus robots cognitivos a clientes industriales junto a socios como Bosch, Schaeffler, NVIDIA, Qualcomm y Amazon. Más que una ronda, es una apuesta por convertir cada despliegue en una fuente de datos para mejorar los robots.

👁️ OpenCV lanza su versión 5.0, una actualización mayor de la librería de visión por computador con nuevo motor DNN, mejor soporte ONNX, cambios profundos en módulos 3D y limpieza de APIs antiguas. Para robótica OpenCV sigue siendo una pieza básica de percepción, inspección, cámaras, calibración y pipelines visuales.

🖐️ Chris Paxton explica por qué las manos robóticas están mejorando rápido, pero siguen siendo un cuello de botella importante: coste, robustez, sensores táctiles, fuerza y diseño mecánico. El artículo compara opciones abiertas como CRAFT, RUKA o LEAP con manos comerciales más caras, y señala que ya hay diseños con especificaciones cercanas a la mano humana. Para los humanoides, la mano deja de ser un accesorio y se convierte en una pieza crítica de manipulación.

🌐 Unitree aparece junto a BYD, Alibaba, Baidu y otras empresas chinas en la lista 1260H del Pentágono, que identifica compañías consideradas vinculadas al ecosistema militar chino. La medida no equivale a una sanción directa, pero limita contratos del Departamento de Defensa y anticipa restricciones indirectas desde 2027. La robótica humanoide entra así de lleno en la geopolítica industrial.

🧰 Rotaku abre reservas de Domo, una plataforma humanoide para desarrolladores que parte de 2.999 dólares y ofrece versiones con SDK, URDF, simulación, teleoperación, entrenamiento de políticas y opciones de manos. No se presenta como robot terminado para despliegue, sino como hardware para experimentar con IA encarnada. La señal es clara: baja el precio de entrada para probar humanoides fuera de grandes laboratorios.

🛠️ Alfred es una startup de IA física respaldada por Sam Altman, Khosla Ventures y SV Angel que busca acelerar el desarrollo de software para robots y vehículos. Según la información disponible, fue fundada por ex empleados de Tesla y Meta, trabaja desde Hawthorne y estaría levantando capital con una valoración de 40 millones de dólares.

🪜 LadderMan presenta un sistema para que humanoides suban escaleras de mano y manipulen objetos mientras están apoyados en ellas, combinando aprendizaje por imitación, refuerzo, percepción de profundidad y transferencia sim-to-real. El trabajo, con autores de Amazon FAR, Berkeley, Stanford, CMU y USC, muestra tareas como ajustar un cuadro, entregar una caja o apretar una bombilla.

🪑 Unitree participa con BitRobot Network, Lightwheel AI y Singapore Institute of Technology en el Humanoid IKEA Assembly Challenge para IROS 2026. El reto consiste en evaluar si humanoides pueden montar muebles tipo IKEA, una tarea menos vistosa que un salto mortal pero mucho más útil para medir percepción, planificación, fuerza, manos y recuperación de errores. Es el tipo de benchmark que acerca la robótica a tareas de loco-manipulación real.

🧬 Humanoid Anatomy publica un mapa visual de la cadena de valor de los humanoides, separando segmentos de hardware e inteligencia, proveedores, compañías cotizadas y exposición pública al sector. Esta nueva web ayuda a entender dónde está el valor entre actuadores, sensores, compute, baterías, software, plataformas y fabricantes. Para seguir el mercado, la anatomía del humanoide empieza a ser tan importante como el robot final.

📚 Introduction to Autonomous Robots es un documento abierto en GitHub que contiene un libro y materiales educativos sobre robots autónomos, con más de 3.000 estrellas y repositorios asociados para web y laboratorios. Se trata de un recurso útil para formar criterio técnico sobre percepción, control, navegación y autonomía.

🏠 Tuya se alía con Zeroth para integrar robots domésticos con sensores, memoria y dispositivos del hogar conectado. Tuya aporta su plataforma AI+IoT, Physical AI Engine y OmniMem, mientras Zeroth aporta robots de consumo como M1. El objetivo es que el robot doméstico no dependa solo de sus cámaras: necesitará contexto de la casa, rutinas, presencia y memoria para actuar con sentido.

En este curso para empezar vamos a aprender a analizar robots e investigaciones sobre robótica, para luego meternos con el us…

Read more