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

Con la llegada de los LLM parecía que la ciencia de datos se había quedado en segundo plano, ya que la potencia de estos nuevos modelos se logra en los laboratorios de las empresas que les crean, no tanto con el entrenamiento posterior que pudieran darle las organizaciones que los usan. En una época anterior sí que era fundamental poder entrenar los modelos con tus propios datos, pero ahora lo del finetuning parece restringido a los laboratorios de IA más pudientes.

Sin embargo, con el surgimiento de la IA Física nos encontramos en una situación similar previa a la de los LLM en lo que se refiere al entrenamiento de los robots, ya que si queremos usarlos no va a quedar otro remedio que entrenarlos con nuestros propios datos de operación. Quién sabe, quizás pronto podamos tener acceso a modelos generalistas que ya vengan con todo el conocimiento necesario, pero por ahora va a tocar picar piedra y construir nuestra propia base de datos de vídeo en primera persona para entrenar robots.

En este punto vale la pena fijarse en la estrategia que ha compartido NVIDIA en el evento GTC Taipei, donde han explicado que para avanzar en robótica ya no se necesita sólo tener mejores modelos, sino que hay que construir todo el ciclo necesario para que robots, vehículos autónomos y sistemas industriales puedan aprender, simular, validarse y desplegarse en el mundo real.

A este respecto, lo más relevante presentado en el evento sobre IA Física ha sido:

1. Cosmos 3: modelos abiertos capaces de trabajar con texto, imagen, vídeo, sonido y acción. Su valor no está solo en generar vídeo, sino en ayudar a razonar sobre estados futuros, simular mundos y entrenar sistemas físicos con datos sintéticos.

2. Alpamayo: una apuesta fuerte por el entrenamiento en bucle cerrado para vehículos autónomos. La idea principal es que el modelo debe aprender de las consecuencias de sus propias decisiones en simulación, no solo imitar datos grabados.

3. JetPack 7.2: más herramientas para desplegar IA agente en el edge: robots, cámaras, máquinas industriales y dispositivos autónomos. Aquí la cuestión crítica es pasar del laboratorio al hardware real.

4. Agent Skills: NVIDIA está convirtiendo flujos complejos de simulación, generación de datos, entrenamiento, validación y despliegue en tareas que agentes de IA pueden ejecutar y los desarrolladores pueden revisar.

5. ovrtx: un SDK para integrar simulación de sensores RTX (cámaras, lidar, radar) en aplicaciones propias, usando OpenUSD y flujos compatibles con simulación, CAD y visualización.

6. Isaac GR00T Reference Humanoid Robot: de la que hablamos la semana pasada y que es una plataforma integrada para investigación en humanoides, que combina hardware, manos, computación y software. Con el objetivo de que los ingenieros de robótica puedan pasar menos tiempo ensamblando piezas básicas, y dedicar más tiempo investigando políticas y comportamiento.

De esta forma, lo que estamos comprobando día a día a media es que la IA física no avanza sólo gracias al desarrollo de modelos más grandes sino que lo hace a medida que se desarrolla una infraestructura completa para generar datos, simular escenarios raros, entrenar en bucle cerrado, validar comportamientos y desplegar en máquinas reales.

El reto de la recopilación de datos para el entrenamiento de robots

Llegados a este punto hay que insistir de nuevo en la importancia de la recopilación de datos para entrenar los robots y aquí hay que saber que lo ocurrido con los LLM no es extrapolable a los VLA o WAM, ya que actualmente los datos no existen, algo que sí que ocurría con los datos digitales en formato texto e imagen que se usaron para el entrenamiento de ChatGPT y compañía.

Entonces, para entrenar los modelos de IA Física va a ser necesario generar los datos desde cero, a no ser que seamos capaces de encontrar la forma de que los vídeos de youtube o tiktok de gente haciendo cosas también se puedan usar para ello.

Y las formas actuales en las que la industria trabaja actualmente para captar datos para entrenar robots son:

1. Teleoperación: una persona controla el robot a distancia y este registra todos los movimientos realizados. Es la forma más directa de enseñar habilidades, pero también la más cara, porque cada hora de datos requiere una hora de trabajo humano. Ejemplos: AgiBot World, DROID.

2. Simulación manual: en lugar de controlar directamente el robot, se registran los movimientos de una persona utilizando dispositivos más simples y económicos que simulan las manos del robot. Esto reduce mucho el coste de recopilación de datos al no tener que trabajar directamente con el robot, aunque luego hay que traducir los movimientos humanos a las articulaciones del robot. Ejemplos: Mobile ALOHA, UMI.

3. Datos de robots desplegados: cuando los robots empiezan a trabajar en fábricas, almacenes o entornos reales, generan datos continuamente. Cada error, cada excepción y cada tarea realizada se convierte en material de entrenamiento. Tesla espera aprovechar millones de horas de experiencia acumuladas por sus vehículos autónomos y futuros robots Optimus. Figure también está siguiendo esta estrategia.

4. Simulación. Los robots aprenden dentro de entornos virtuales antes de enfrentarse al mundo real. La ventaja es grande ya que se pueden generar millones de horas de experiencia a muy bajo coste. Sin embargo, el problema es que la física simulada todavía no reproduce perfectamente la realidad. Aspectos como la fricción, los deslizamientos o los contactos complejos siguen siendo difíciles de modelar. Ejemplos: NVIDIA Isaac Sim, Genesis.

5. Vídeo en primera persona: consiste en grabar lo que ve una persona mientras trabaja. Es mucho más fácil obtener miles de horas de este tipo de vídeos que teleoperar robots. El inconveniente es que muestran lo que ocurre, pero no contienen directamente las acciones robóticas que habría que ejecutar. Ejemplos: Ego4D, Project Aria.

En este punto vale la pena detenerse en el trabajo que ha realizado la startup Gilabs que ha puesto a la venta el dispositivo EGO1 que se presenta como el primer casco de captura egocéntrica para IA Física, un dispositivo que transforma sin esfuerzo las actividades en primera persona, especialmente las manipulaciones, en datos de entrenamiento para modelos fundamentales.

6. Vídeo de internet: YouTube, TikTok y otras plataformas contienen una cantidad inmensa de información sobre cómo interactúan los humanos con el mundo. Es la fuente más barata y escalable ya que permite observar objetos, herramientas, tareas y situaciones muy diversas. Sin embargo, normalmente no incluye información sobre fuerzas, trayectorias exactas o movimientos articulares necesarios para controlar un robot.

7. Datos sintéticos generados por modelos del mundo: Aquí aparece una de las líneas más prometedoras. En lugar de limitarse a simular gráficos, los modelos del mundo intentan predecir cómo evolucionará físicamente una situación cuando el robot actúe. Si estos sistemas alcanzan suficiente precisión, podrían generar enormes cantidades de experiencia sintética sin necesidad de recopilar tantos datos reales. Es una idea muy alineada con la evolución desde los VLA hacia los World Models que ya estamos viendo en robótica. Ejemplo: NVIDIA Cosmos.

Estado actual de desarrollo de los modelos del mundo

“El lenguaje proporcionó a las máquinas una forma de hablar sobre ese mundo. Los modelos del mundo son la manera en que las máquinas finalmente llegarán a comprenderlo, imaginarlo, razonar con él e interactuar con él”.

Hablando de modelos del mundo para el entrenamiento de robots, resulta que la gran Fei-Fei Li acaba de regalarnos un nuevo artículo donde explica cómo está evolucionando la construcción de los modelos del mundo, así que vamos a comentarlo por aquí porque resulta de lo más interesante.

Lo que la doctora nos explica es que el término “modelo del mundo” se está usando para demasiadas cosas distintas. Y esto empieza a ser un problema, porque no es lo mismo un modelo que genera vídeos espectaculares, que un sistema capaz de simular la física de una escena, que un modelo que ayuda a un robot a decidir qué acción debe ejecutar.

Dicho de forma sencilla: no todo lo que parece entender el mundo lo entiende realmente.

Por ejemplo, un modelo puede generar una ciudad preciosa vista desde un dron, con edificios, calles, árboles y coches, pero si intentamos recorrer esa misma ciudad desde el suelo puede que todo empiece a romperse. Las fachadas no encajan, las calles no tienen continuidad, las proporciones fallan o los objetos no tienen una geometría coherente.

Eso para hacer un vídeo puede ser suficiente, pero para entrenar un robot no lo es.

Un robot no necesita sólo una imagen convincente del mundo. Necesita una representación útil del mundo. Necesita saber dónde están los objetos, qué forma tienen, cuánto ocupan, cómo se mueven, qué pasa si los empuja, si pesan, si resbalan, si se rompen, si bloquean el paso o si pueden agarrarse.

Por eso Fei-Fei Li y su equipo de World Labs proponen distinguir tres funciones distintas dentro de los modelos del mundo: renderizar, simular y planificar.

• El renderizador genera lo que vemos.

• El simulador representa cómo funciona el mundo.

• El planificador decide qué acción debería ejecutar un agente dentro de ese mundo.

Y esta distinción es fundamental para entender hacia dónde va la IA Física. Por lo tanto hay que seguir muy atentos al trabajo que realiza World Labs y el resto de empresas que trabajan en el desarrollo de los WAM, porque de ellas depende el futuro de la robótica.

Más noticias de robótica e IA Física

📦 Amazon enseña a Proteus, su robot móvil autónomo para almacenes, a obedecer instrucciones en lenguaje natural y prepara su llegada a Europa en 2027 dentro de una inversión logística de 10.000 millones de euros. Esto no va solo de AMRs: apunta a una capa donde el operario expresa una intención y el sistema decide prioridad, ruta y momento de ejecución, acercando la robótica logística a interfaces de trabajo más naturales y menos programadas.

🧪 Hugging Face presenta LeLab, una interfaz gráfica sobre LeRobot para configurar robots, teleoperar, recoger datasets, entrenar políticas localmente o en GPUs cloud con HF Jobs y desplegar modelos en el robot. De momento está centrado en SO-ARM101, pero el movimiento es relevante porque reduce la fricción entre hardware barato, datos propios y aprendizaje por imitación.

🎮 Roblox compra Morpheus AI para reforzar Roblox Reality, su arquitectura de mundos generativos basada en modelos de vídeo y datos 3D. Aunque esté dedicado a los videojuegos, la señal importa para robótica porque los mundos interactivos, persistentes y generables en tiempo real son parte de la misma batalla técnica que la simulación física: pasar de renderizar escenas bonitas a construir entornos donde un agente pueda actuar.

💰 Generalist AI levanta 400 millones de dólares, superando los 500 millones captados anteriormente, para acelerar sus modelos de IA física y escalar su motor de datos, cómputo e infraestructura de entrenamiento. La compañía afirma que GEN-1 ya alcanza tracción comercial en tareas diestras con alta fiabilidad. Así vemos que la financiación empieza a concentrarse en laboratorios que quieren convertir datos físicos, modelos grandes y despliegue real en un ciclo de mejora.

🧠 1X lanza su World Model Lab, liderado por Sam Sinha, ex investigador de Luma AI, para preentrenar modelos del mundo orientados a humanoides autónomos. La tesis que plantea 1X es que la robótica no se resolverá solo afinando modelos existentes, sino entrenando desde el inicio con vídeo web, vídeos egocéntricos, simulación, teleoperación, y datos de NEO despliegue real.

🤖 NVIDIA trabaja con LG en robots humanoides y centros de datos, según explicó Jensen Huang tras reunirse con el presidente de LG Group en Seúl. La colaboración apunta a motores, sistemas mecánicos y arquitectura de data centers, reforzando la idea de que la IA física no será solo software. También exigirá alianzas entre chips, infraestructura, mecatrónica y fabricantes industriales con capacidad de producción.

🏠 Hello Robot sigue una vía distinta al humanoide típico con Stretch 4, presentando un robot doméstico de asistencia que trabaja en casas reales, con personas y un humano en el bucle. Su precio ronda los 30.000 dólares y la primera producción ya está vendida. Esto anticipa que en robótica doméstica puede ganar quien acumule horas reales de uso seguro, no quien prometa más autonomía en demos.

🏭 Standard Bots recauda 200 millones de dólares a una valoración de 1000 millones y afirma que ya es el mayor fabricante estadounidense de robots industriales “AI-native” y cita clientes como Sunoco, Lockheed Martin y NASA. “Creemos que los robots nativos de IA son la herramienta de poder esencial del siglo XXI —la herramienta que impulsará la fabricación estadounidense y ayudará a cada trabajador estadounidense a ser una fuerza en el trabajo”

NVIDIA acaba de dar un paso importante para solucionar uno de los grandes problemas actuales de la robótica humanoide, los benchmarks de calidad del desempeños de los robots. Algo que fue inmediato con la aparición de los LLM, donde gente muy potente en el ámbito de la IA, como François Chollet, se dedicaron a idear formas de evaluar la calidad de los modelos de inteligencia artificial.

Ahora en la robótica tenemos algo similar, porque Isaac GR00T Reference Humanoid Robot for Academic Research no es sólo la forma en la que NVIDIA quiere repetir en la IA Física la jugada de GPU+CUDA que también le ha salido para la IA Generativa, sino que es la pieza que hacía falta para saber si los desarrollo de los VLA y los WAM, que están realizando muchos laboratorios va por el cambio de lograr robots de propósito general.

De esta forma lo que NVIDIA está haciendo es desplegar toda su potencia técnica y mediática para el impulso de los robots humanoides, lo cual redundará en que el ecosistema de desarrollo de la IA Física sea cada vez más fuerte y se vayan solucionando poco a poco los problemas al respecto de las capacidades reales de los robots para realizar tareas cotidianas en el mundo real.

Y aquí es donde tenemos que pensar cuáles pueden ser los primeros laboratorios de robótica en recurrir a este robot para avanzar en sus investigaciones, y aunque en la noticia se mencione a Ai2, ETH Zurich, el Centro de Robótica de Stanford y el Laboratorio de Robótica y Control Avanzado de la UC San Diego, lo cierto es que actualmente hay muchas startups muy bien financiadas que pueden verse muy beneficiadas de contar con una plataforma de desarrollo estandarizada como esta. En esta lista podríamos poner a Skild AI, Generalist, Physical Intelligence, Field AI, Genesis, OpenMind, … Pero no sólo eso, también los laboratorios de robótica de muchas grandes empresas tecnológicas que hasta ahora estaban probando sus modelos de IA con brazos robóticos, como Meta, Apple, OpenAI, Alibaba, Google Deepmind, … también tienen ahora un robot que pueden comprar en grandes cantidades para avanzar en sus investigaciones.

Y en esto de comprar el robot en grandes cantidades es donde está la clave al respecto de la participación de Unitree y Sharpa Wave, porque con ellos se cierra el círculo para poder ofrecer un robot completo.

Para Unitree esta es una noticia excelente, ya que antes de su salida a bolsa recibe el apoyo de NVIDIA, que está diciendo que en estos momentos es el fabricante más capaz de producir robots en grandes volúmenes. Por otro lado para Sharpa Wave es un gran espaldarazo porque pone a esta empresa en el mapa y la posiciona como punta de lanza en cuanto a destreza con su mano de 22 grados de libertad.

Y ahora vamos a detenernos un poco en la parte de software que proporciona NVIDIA en esta iniciativa, porque lo de las GPUs para robots, se entiende bastante bien por la similitud que tiene con lo ocurrido en el entrenamiento e inferencia de los modelos de IA, pero para robótica lo que está haciendo la empresa es presentar una cantidad enorme de opciones que vale la pena conocer. Se trata de las siguientes herramientas:

• NVIDIA Isaac Teleop sirve para que una persona pueda manejar el robot y grabar buenas demostraciones de cómo se hace una tarea. Esos ejemplos luego se usan para entrenar al robot.

• NVIDIA Isaac GR00T es el conjunto de modelos de IA que ayuda al humanoide a entender instrucciones, aprender tareas y realizar distintos comportamientos.

• NVIDIA Isaac Sim e Isaac Lab permiten probar el robot en simulación antes de llevarlo al mundo real. Es decir, entrenarlo, comprobar fallos y evaluar si una tarea funciona sin arriesgar el robot físico.

• El ROS acelerado de NVIDIA Isaac ayuda a que el robot real pueda realizar las acciones para las cuales ha sido entrenado en simulación o en laboratorio a través de la teleoperación.

Por lo tanto, la presentación del robot de referencia NVIDIA Isaac GR00T no indica aún la llegada del robot humanoide generalista, sino que se posiciona en una paso anterior, que también es muy importante: la construcción de una plataforma común para enseñar, simular, evaluar y desplegar la IA física en robots humanoides. Algo que la empresa ya hizo en su momento cuando creó todo el ecosistema de software a través de Cuda, lo cual le ha reportado una ventaja competitiva enorme que por el momento ningún competidor está siendo capaz de replicar.

Más noticias sobre robótica e IA Física

🚗 BMW desplegará humanoides en producción en Alemania por primera vez, empezando por un piloto en Leipzig con Hexagon Robotics y su robot AEON. BMW también comparte resultados del piloto con Figure 02 en Spartanburg: más de 30.000 BMW X3 asistidos, 90.000 componentes movidos y unas 1.250 horas de operación, una señal muy fuerte de que los humanoides empiezan a entrar en fábricas reales.

🏥 NVIDIA se alía con Foxconn y centros médicos de Taiwán para llevar IA agéntica e IA física al sistema sanitario. Foxconn está desplegando CoDoctor AI, agentes clínicos especializados y robots colaborativos como Nurabot, con NVIDIA NemoClaw, Isaac for Healthcare y Omniverse como base para pasar de pilotos a operaciones reales en hospitales.

🤖 OpenAI Robotics está contratando perfiles de hardware, operaciones, sistemas y machine learning para fabricar robots útiles para la sociedad. Sam Altman explica que el programa de simulación del mundo liderado por Aditya Ramesh ha evolucionado hacia OpenAI Robotics, con una tesis clara: combinar investigación en ML y co-diseño de hardware para llevar la IA al mundo físico.

📱 COBALT presenta un sistema de teleoperación cloud para aprendizaje robótico usando smartphones. La idea es convertir un móvil en interfaz de control para recolectar datos en simulación y en entornos reales, incluyendo tareas bimanuales, lo que apunta a una vía más barata y escalable para generar demostraciones humanas sin hardware caro de teleoperación.

🇯🇵 Atom es nueva empresa japonesa de robots humanoides, que ha anunciado una ronda semilla de 3.000 millones de yenes. Su fundador, Shunsuke Aoki, señala tres retos clave: desarrollar modelos de IA física, diseñar líneas de recolección de datos y construir la cadena de suministro necesaria para fabricar humanoides.

🧢 Human Archive está usando trabajadores de servicios en India para recolectar datos egocéntricos de tareas cotidianas. La startup ya cuenta con más de 1.000 dispositivos activos, ha levantado 8,2 millones de dólares y apuesta por combinar vídeo, profundidad, guantes táctiles, motion capture y cámaras de muñeca para entrenar robots con datos reales de trabajo humano.

🏭 Eden Robotics presenta robots autónomos para industria bajo un modelo Robots-as-a-Service. Su propuesta combina despliegue plug-and-play, operaciones 24/7, cero coste de instalación y precios desde 10 dólares por hora, reforzando una tendencia importante: vender automatización como servicio operativo, no como compra de hardware.

🌌 NVIDIA AI presenta Cosmos 3, su nuevo modelo frontera para IA física. NVIDIA lo describe como un omnimodelo abierto con razonamiento visual nativo, generación de mundo y generación de acciones, disponible en variantes Super de 32B y Nano de 8B, una pieza clave para conectar percepción, simulación y acción robótica.

📊 Mecka anuncia 60 millones de dólares de financiación para convertirse en la capa de datos y despliegue de la IA física. La compañía quiere escalar su infraestructura de datos, entrar en nuevos verticales y desplegar robots en el mundo real, atacando justo uno de los grandes cuellos de botella del sector: convertir datos físicos en sistemas robóticos útiles.

🔬 Luma lanza Open Physical AI Lab para investigar generalización en robótica. Su tesis es que la IA física vive una crisis de datos y generalización: los robots aún aprenden tareas concretas en entornos concretos, y la solución no puede ser solo escalar teleoperación, sino construir modelos del mundo y herramientas abiertas para que más equipos puedan crear sistemas físicos.

🎥 Runway se une como miembro fundador de Cosmos Coalition, una iniciativa global con NVIDIA y otros laboratorios para construir y abrir modelos frontera del mundo para la IA física. La noticia conecta a los laboratorios de vídeo generativo con la robótica: simular el mundo deja de ser solo contenido visual y empieza a convertirse en infraestructura para entrenar agentes físicos.

🧹 Shift lanza en Nueva York un servicio gratuito de limpieza doméstica a cambio de grabar datos de la tarea. Un operador humano va al domicilio con un dispositivo, limpia y la grabación se anonimiza para alimentar datasets de robótica, un modelo que convierte servicios cotidianos en una línea de producción de datos para robots domésticos.

🦾 Ilir Aliu resume una ruta de bajo coste para empezar a entrenar robots reales en casa por menos de 300 dólares. La combinación MuJoCo, brazo SO-101, LeRobot, políticas ACT, una webcam y modelos multimodales muestra que el aprendizaje robótico está entrando en una fase mucho más accesible para makers, estudiantes e investigadores independientes.

Llegados a este punto de trabajo en Integrarobot me atrevo a decir que los humanoides van a ser el tipo de robot más vendido en el futuro, algo así como el 90% del total. Pero por otro lado habrá otro 10% de cuota de mercado ocupado por otros robots que tengan sentido en funciones diferentes a las que puedan dar los humanoides.

Lo que ocurre es que ese momento aún no ha llegado y lo que estamos viviendo es la situación inversa. Otros tipos de robots, con funciones más limitadas, ahora están preparados para trabajar, cuando los humanoides por su necesidad de versatilidad, aún tienen retos que resolver.

Veamos entonces cómo proceder ahora mismo si queremos que cuando los humanoides estén disponibles en el mercado, no tengamos que empezar de cero y perder un tiempo precioso que podíamos haber aprovechado para sacar ventaja de la situación.

Antes de poder comprar un humanoide tenemos que hacer varias cosas, que voy a dividir en dos bloques, por un lado lo que implica los cambios que debemos hacer en nuestra forma de trabajar y por otro lado las pruebas que podemos hacer con otros tipos de robots para ir validando el modelo.

1. Preparar nuestra empresa para la llegada de los humanoides

Cuando digo empresa, considera actividades en general, porque incluso los hogares pueden hacer este tipo de preparación. Así que vamos a ver qué cosas deberíamos empezar a hacer ya para que cuando podamos comprar un humanoide no nos pille desprevenidos.

1.1 Recopilar datos de nuestras operaciones. Igual que las empresas que antes de 2022 habían trabajado el big data y la analítica de datos, ahora se están beneficiando porque pueden proporcionar un mejor contexto a los asistentes y agentes de IA, las empresas que ahora tomen datos, sobre todo en vídeo en primera persona, podrán proporcionar esa información a los robots y tendrán mucho del trabajo adelantado.

1.2 Concienciar a los trabajadores sobre la llegada de los robots. Porque tendrán que convivir con ellos y no solo eso, tendrán que supervisarlos, ayudarlos cuando no puedan hacer algo, encargarse de su mantenimiento, … y un montón de cosas que ahora son completamente desconocidas para la gente pero que en poco tiempo serán comunes. Aquí es donde resultará útil empezar a experimentar con otros tipos de robots.

1.3 Preparar las instalaciones para que los robots tengan lo que necesitan. Este punto no lo veo demasiado complicado en este momento porque las necesidades de espacio de los humanoides encajan bastante con la de las personas, pero sí que hay algunas cosas que preparar, como es el espacio para la carga o eliminar barreras que puedan dificultar su actividad, sobre todo al principio cuando aún no sean muy habilidosos.

1.4 Empieza a trabajar con Agentes de IA como Codex. Ya que serán la interfaz a través de la cual podamos programar o entrenar los robots, a no ser que estos lleguen 100% preparados, lo cual dudo que ocurra, al menos en las etapas iniciales. Los Agentes de IA pueden ayudarnos ahora a crear simuladores o a trabajar con simuladores de IA Física, como por ejemplo Newton de NVIDIA y esto adelantará bastante del trabajo que haya que hacer cuando ya podamos comprar el robot.

Por lo tanto, hay mucho trabajo por hacer antes de comprar robots y te aseguro que no será tiempo perdido, porque todo lo que hagamos para prepararnos ante la llegada de una tecnología tan avanzada nos ayudará a sacar mucho más provecho de ella cuando esté disponible.

2. Comprar otro tipo de robots para apoyar el trabajo del punto anterior

Son muchas las ventajas de tomar la decisión de comprar ahora un robot no-humanoide para preparar el escenario cuando lleguen los robots de propósito general. Veamos algunas de ellas.

2.1 Conseguir proveedores de confianza. Como es probable que una parte importante de los robots que lleguen al mercado en los primeros años provengan de China, será necesario localizar proveedores que puedan vendernos los robots y ofrecernos el resto de servicios asociados con ello, como puede ser proveernos de recambios.

2.2 Estos robots pueden ayudar con la recopilación de datos. Aunque no sean datos en vídeo en primera persona, imagino que con el tiempo se inventarán formas para entrenar robots con cualquier vídeo, como por ejemplo los que puede tomar cualquier robots que lleve cámaras para facilitar su movimiento.

2.3 Designar un responsable de robótica en la empresa. Los robots que ya se pueden comprar requerirán de personas que se encarguen de comprarlo, ponerlo en funcionamiento, supervisarlo, realizar el mantenimiento, … así que poco a poco estas funciones pueden empezar de una persona para luego ir a un grupo de gente más grande e ir haciendo ese cambio cultural que requerirá la llegada de los humanoides.

Dicho esto, ¿Qué robots pueden ser más apropiados para comprar ahora? aquí tienes una lista corta y te animo a compartir tu opinión para que podamos mejorarla con las aportaciones de la comunidad.

• Perro robot para vigilancia: ya que muchas instalaciones de empresas son grandes y requieren vigilancia, aprovechemos los cuadrúpedos para hacer esta función, su precio es asequible y puede ser una de las mejores opciones de empezar a familiarizarse con la robótica.

• Robot camarero para oficina: igual que se están usando para el reparto de alimentos en restaurantes, se puede usar para otro tipo de funciones en la empresa, por ejemplo para el reparto de paquetería o de otro tipo de materiales en la oficina. Quién sabe, quizás le puedan llevar el café a la gente a media mañana ;)

• AMR para almacén: este tipo de robots está muy probado en la industria del automóvil y en el sector de la logística, así que perfectamente se puede extrapolar a cualquier otra actividad donde sea necesario transportar objetos pesados.

• Brazo robótico para tarea repetitiva: este quizás sea el punto más complicado porque ahora requerirá de un conocimiento más avanzado a nivel de software y programación. Pero si en la empresa tenemos perfiles técnicos creo que valdría la pena intentarlo como antesala para la llegada de los humanoides.

¿Qué te parece? ¿Me dejo algo?

Estoy convencido de que el impacto de la IA Física va a ser tan grande que no es tiempo de quedarse esperando a que ocurra, es el momento de actuar. Porque es posible que los robots humanoides no lleguen al mercado como ahora ocurre con los electrodomésticos, listos para funcionar desde el primer minuto. Sino que llegarán como sistemas complejos que necesitarán datos para aprender, supervisión humana para operar con seguridad, entornos adaptados para reducir fricción, integración con procesos reales, mantenimiento continuo, entrenamiento constante y simulación para ensayar el mundo antes de actuar sobre él.

Noticias de la semana sobre IA Física y robótica

📦 Locus Robotics adquiere Nexera Robotics para integrar su tecnología NeuraGrasp en Locus Array. La operación combina robots móviles autónomos con manipulación robótica avanzada, una señal clara de hacia dónde va el fulfillment: sistemas que no solo transportan mercancía, sino que también pueden agarrar objetos variables con más autonomía.

🧹 Gatsby lanza en San Francisco un servicio de limpieza de apartamentos con robots humanoides bajo demanda. El usuario reserva desde una app, el robot llega, limpia y se va por una tarifa plana de 150 dólares, un experimento interesante porque lleva el humanoide directamente al hogar como servicio.

🏭 Humanoid firma una alianza con Bosch tras completar una prueba de concepto en intralogística. Sus robots HMND 01 transfirieron cajas de distintos tamaños desde una cinta a un carro en un entorno real de Bosch en Bühl, y ahora Bosch actuará como socio de fabricación para escalar la producción europea de humanoides.

🚀 ORBIT Robotics presenta su visión de humanoides para trabajar en el espacio. Su prototipo IKARUS sirve como banco de pruebas para robótica orbital y apunta a una idea potente: en microgravedad, el robot humanoide no tiene por qué copiar piernas humanas, sino maximizar alcance, teleoperación y manipulación en estaciones espaciales.

📊 Canonical publica un mapa de inversión en IA Física y robótica que cubre 3 años, 22 subsectores y capital global. Su lectura es muy útil: cerca del 80% del capital se concentra en humanoides, defensa, vehículos autónomos y modelos fundacionales.

🧠 Alberto Rodríguez resume una de las grandes razones del interés actual por los humanoides: la promesa de una solución generalista para el trabajo físico. Su argumento es que fuera de tareas con volúmenes enormes y estables, especializar hardware, modelos y despliegues vuelve la automatización demasiado cara.

🤖 AGIBOT lanza BFM-2, un nuevo modelo de movimiento para humanoides centrado en control estable y adaptativo. Según RoboIndex, la compañía superó los 5.100 robots enviados en 2025, alcanzó 10.000 unidades desplegadas en marzo de 2026 y prepara una posible salida a bolsa en Hong Kong.

🔧 Go2 Motor Analysis documenta ingeniería inversa del motor Unitree Go2 / GO-M8018-6 y el camino hacia firmware personalizado. El proyecto baja al nivel de placa, bootloader, RS485, firmware cifrado y control FOC.

🦿 LeRobot Humanoid publica un humanoide abierto, de bajo coste y fabricable con piezas 3D para aprendizaje robótico. La plataforma ronda los 2.500 dólares en componentes e incluye hardware, documentación, simulación, runtime, identificación y entornos de entrenamiento.

💬 UBTECH Walker C1 aparece como nuevo humanoide comercial orientado a interacción con personas. Frente a los robots pensados para fábrica, Walker C1 apunta a recepción, guía, entretenimiento y presencia social.

🐕 ANYbotics despliega su robot cuadrúpedo ANYmal en Northern Lights, la instalación noruega de transporte y almacenamiento de CO2 de Equinor. El robot patrulla una planta casi no tripulada, mide concentraciones de gas y busca microfugas con sensores térmicos, acústicos y de gas.

🤝 Figure firma un acuerdo con Catalyst Brands, operador de las marcas de ropa JCPenney, Aéropostale y Brooks Brothers. El despliegue comenzará en Reno, Nevada, y apunta a llevar humanoides a escala en retail y logística, una señal de que Figure empieza a moverse de las demos hacia acuerdos comerciales con grandes operadores.

Read more

Este artículo se iba a titular “lo que la demo de 8 horas de Figure nos enseña sobre los robots” pero pronto tuve que cambiarlo porque las 8 horas se convirtieron en 24 y posteriormente en una emisión ininterrumpida donde los robots están demostrando su capacidad en la arte de la manipulación de paquetes postales.

Esta especie de Show de Truman robótico tiene mucho que enseñarnos y quién sabe, quizás se acabe convirtiendo en ese momento chatgpt de la robótica, del que se lleva hablando algo más de un año.

Pero más allá del hecho en sí, de tener a unos robots ahí trabajando noche y día, creo que vale la pena parar un rato para entender lo que esto supone y cómo puede convertirse en un hito importante para el desarrollo de los robots humanoides.

1. 8 horas era el tiempo inicial previsto para hacer la demo del robot, porque supone equipararlo con una jornada laboral, lo cual permite sacar métricas de productividad, pero también está relacionado con la necesidad de supervisión. Si el robot está ahí trabajando hay muchas otras cosas que las personas tendrán que hacer para que la operativa funcione, al menos por el momento.

2. Lo de compararlo directamente con la productividad humana no estaba previsto inicialmente, pero a medida que Brett Adcock, fundador de Figure, se fue calentando con el éxito que estaba teniendo la retransmisión, decidió hacer el ejercicio de poner a un trabajador humano a competir con los robots. En este primer duelo ganó el humano, llamado Aime, pero me atrevo a decir que pronto habrá revancha y con lo rápido que aprenden los robots creo que el marcador se dará la vuelta a su favor.

3. Aunque los robots llevan ahí más de 100 horas trabajando de forma autónoma, hay gente que no se fía y eso está bien porque permite encontrar fallos, pero también a veces se columpian. Por ejemplo en este caso estaban suponiendo que el robot estaba teleoperado por un movimiento que hacía con la mano para proteger la cabeza cuando se aproximaba demasiado a la estructura metálica de la cinta transportadora.

4. Mira el vídeo, en momentos determinados los trabajadores de la empresa andan ahí detrás reunidos, con unos cuantos robots a su alrededor y charlando de la forma más distendida. Me encantaría saber de qué están hablando, pero más allá de eso, me pregunto si estas instalaciones donde está la cinta transportadora son de Figure o de un cliente. Lo que está claro es que la máquina de clasificación de paquetes es real y el trabajo que hace el robot es importante porque actualmente implica que tenga que haber personas haciendo ese trabajo tan tedioso.

5. Pero más allá de todos esos aspectos anecdóticos, con lo que realmente debemos quedarnos es que estamos presenciando en directo cómo la robótica humanoide intenta cruzar el abismo que hasta ahora ha separado las demos de la operación en el mundo real. Y eso es lo que todos estamos esperando, casos reales, donde se pueda evaluar la calidad de la tecnología. No se a ti pero esto a mi me quita muchas dudas de la cabeza.

6. En todo caso, conviene no confundir esta retransmisión espectacular con una integración industrial cerrada. Todavía nos faltan datos, como por ejemplo la tasa exacta de error, las condiciones del entorno, el número de intervenciones humanas, el mantenimiento entre turnos, el coste total, la seguridad, la integración con sistemas del cliente y comportamiento ante casos raros.

Ahora vamos con la conclusión final. Intuyo que la demanda de robots humanoides va a superar con creces la de la oferta. Aquí tenemos a Figure haciendo un alarde de capacidades y pocos días después de conocer la noticia de que UPS quiere comprar sus robots por miles. Pero la capacidad de producción aún es muy baja, aunque haya pasado de 1 robot/día a 1 robot/hora, aún queda mucho camino por recorrer para responder a los millones de empresas y hogares que van a querer esta máquina de productividad aumentada.

¿Y qué decir de la cadena de suministro? las tensiones que hemos vivido en los últimos años en el sector de la electrónica nos va a parecer insignificantes cuando todo el mundo quiera tener su propio robot humanoide para que le quite de encima el trabajo sucio.

Más noticias sobre robótica e IA Física

🏋️ NEURA Robotics y la Universidad Técnica de Múnich lanzan el TUM RoboGym, el mayor centro científico de entrenamiento de IA Física de Europa. Desde mediados de 2026 una flota de humanoides entrenará en condiciones reales en un espacio inicial de 2.300 m², generando datos para el Neuraverse y reforzando la idea de que el cuello de botella ya no es solo el hardware, sino el acceso a datos físicos de calidad.

💰 Mind Robotics anuncia 400 millones de dólares de nueva financiación liderada por Kleiner Perkins, elevando su inversión total por encima de 1.000 millones. La compañía, nacida del entorno de Rivian, quiere acelerar el despliegue de robots industriales en fabricación, señalando que el gran capital empieza a moverse hacia robots que resuelven problemas productivos concretos.

🚶 WIRobotics levanta 68 millones de dólares tras vender más de 3.000 unidades de WIM, su robot wearable de asistencia a la marcha. Ahora la compañía coreana quiere financiar ALLEX, una plataforma humanoide modular con manos conformables, brazos backdrivable y control de fuerza, convirtiendo la experiencia acumulada en movimiento humano real en una base para robots de manipulación física.

🏭 FANUC profundiza su colaboración con Google para llevar agentes de IA a robots industriales. Su nuevo sistema combina robots FANUC, Gemini Enterprise, ROS, Intrinsic Flowstate y control en lenguaje natural para que un agente pueda entender instrucciones, reconocer objetos y operar una célula robótica, una señal importante de que la IA Física empieza a entrar en la automatización industrial tradicional.

🤖 Persona AI muestra avances de su humanoide Gen1 y adelanta la llegada de Gen2. Según su CEO, en unos 18 meses la compañía ha crecido hasta 70 personas, ha construido cinco humanoides Gen1 y ya cuenta con tracción comercial. Un progreso rápido para una startup enfocada en robots humanoides industriales para entornos exigentes.

💪 Universidad Nacional de Seúl desarrolla un músculo artificial inteligente que combina movimiento y sensores en una misma estructura. El sistema usa canales de metal líquido dentro de elastómeros de cristal líquido para contraerse, medir fuerza y estimar deformación en tiempo real, acercando a los robots a una forma de inteligencia física embebida en el propio cuerpo.

🧪 Instituto de Ciencias de Tokio pone en marcha un laboratorio médico automatizado donde trabajan 10 robots sin personal humano. Entre ellos está el robot Maholo LabDroid, capaz de realizar procedimientos delicados de laboratorio. El plan es escalar hasta 2.000 robots en 2040 para automatizar buena parte del proceso científico, desde experimentos hasta verificación.

👕 Zhejiang Humanoid Robot Innovation Center firma con Jack Technology un pedido de 2.000 humanoides para fabricación textil. El objetivo es automatizar tareas de manipulación de tejidos, corte, alineación y alimentación de máquinas, un entorno especialmente difícil porque las telas se deforman, se arrugan y exigen precisión milimétrica.

Tienes dos formas de verlo, va tan rápido que no da tiempo a asimilarlo. Cuando ya te habías aprendido qué era un VLA, tienes que entender qué es un WLM y casi sin darte cuenta ahora estamos hablando de los WAM.

La otra forma de pensar es darle la bienvenida a la velocidad porque eso quiere que cada vez estamos más cerca de poder tener robots con IA haciendo todo tipo de trabajos que las personas no queremos hacer.

Dicho esto, vamos a poner un poco de orden en todos estos acrónimos y ver por qué son importantes para el futuro de la robótica.

VLA Vision - Language - Action

Visión → percepción visual
Language → comprensión lingüística
Action → acción física

Son modelos que conectan visión, lenguaje y control motor.

WLM World Language Model

World → representación/modelado del mundo
Language → interfaz semántica o razonamiento
Model → sistema predictivo

La idea es modelar las dinámicas del mundo físico y sus consecuencias.

WAM World Action Model

World → entorno físico
Action → acciones/interacciones
Model → predicción dinámica

Bien, de los VLA y los WLM ya hemos hablado mucho por aquí, por ejemplo, la empresa 1X, pionera en poner a la venta a su robot NEO en modo suscripción desarrolló en 2025 su propio VLA y en 2026 su propio WLM, pero ¿de dónde sale entonces lo de WAM?

Si lo simplificamos mucho, los WAM son la fusión entre los VLA y los WLM. O dicho de otra forma, los VLA sirven para dar autonomía al robot, pero cuando este se enfrenta al mundo real requiere de información de la física que debe proporcionarle el WLM, entonces si unimos ambos tipos de modelos de IA lo que tenemos es un WAM.

Por lo tanto, los World Action Models apuntan a una evolución de los VLA: pasan de mapear visión y lenguaje hacia acciones, a modelar explícitamente cómo cambia el mundo cuando el robot actúa.

Un VLA típico responde a una instrucción usando visión y lenguaje para producir una acción. Un WAM añade la capa más física: predecir el próximo estado del mundo y la acción que conduce a él.

Desde la aparición de los VLA los robots han mejorado mucho la conexión entre lenguaje, visión y control, pero siguen teniendo una debilidad: pueden entender bien los objetos y la instrucción, pero fallar en la dinámica física fina.

Para verlo con un ejemplo pueden entender “recoge el objeto”, pero no necesariamente comprender bien la fricción, el peso, la deformación, el deslizamiento, el rebote, la estabilidad y por lo tanto las consecuencias de una acción.

Y aquí es donde aparece DreamZero de NVIDIA que plantea precisamente que los VLA generalizan bien semánticamente, pero tienen problemas al enfrentarse a movimientos físicos no vistos en entornos nuevos. Por lo tanto, propone los WAM como modelos que combinan vídeo y acción para mejorar esa generalización, lo cual reporta más del doble de mejora frente a un VLA de referencia en experimentos con robots reales.

Si quieres saber más sobre esto de los WAM y en general sobre el estado del arte esta tecnología te recomiendo ver el vídeo Jim Fan, que es el director de robótica de NVIDIA, además de una de las personas con una visión más clara de cómo debe evolucionar el desarrollo de la IA Física.

Más noticias sobre IA Física y Robótica

🦾 Figure acaba de realizar una demo con 3 de sus robots humanoides haciendo turnos durante 8 horas en una instalación de clasificación de paquetes en el servicio postal. El trabajo que tiene que hacer el robot es colocar el paquete de forma que la etiqueta pueda ser escaneada en otra zona de la cinta transportadora.

🖐️ Genesis AI presenta GENE-26.5, su primer sistema de modelo fundacional robótico orientado a manipulación de nivel humano. Lo interesante es que no lo plantea como una demo aislada, sino como un sistema completo que combina hardware, datos, control, simulación y modelo para resolver tareas largas y con mucho contacto como cocinar, pipetear, resolver un cubo de Rubik o tocar el piano.

🧠 Neuralink muestra su ambición de construir un robot quirúrgico capaz de alcanzar cualquier región del cerebro. El objetivo declarado es crear una interfaz neuronal generalizada para tratar condiciones que se originan en el cerebro, lo que convierte a la robótica de precisión médica en una pieza central de la interfaz humano-máquina.

🚚 Actor Labs anuncia una ronda de 4 millones de dólares y muestra sus modelos robóticos desplegados en el mundo real. La señal importante es que cada vez aparecen más startups construyendo modelos visuales y de acción para máquinas físicas, no solo software de IA, buscando que los robots puedan operar con percepción robusta en entornos reales.

🦺 Persona AI se alía con Under Armour para desarrollar ropa técnica y materiales de protección para humanoides industriales. Puede sonar anecdótico, pero cuando los robots salgan del laboratorio a astilleros, acerías o fábricas, necesitarán protección térmica, resistencia a la abrasión y durabilidad operativa igual que cualquier otra herramienta industrial.

📈 RoboStrategy empieza a cotizar en Nasdaq bajo el ticker BOT como vehículo de inversión centrado en robótica e IA física. Su cartera incluye compañías privadas como Figure, Apptronik y Allonic, abriendo una vía para que inversores minoristas tengan exposición al sector humanoide sin esperar a que cada startup salga a bolsa.

🏭 1X abre las puertas de su fábrica de NEO en Estados Unidos, descrita como una instalación altamente integrada donde componentes críticos se fabrican internamente. El dato clave es el ciclo de cuatro semanas desde CAD hasta robot terminado, una señal de que la carrera de los humanoides empieza a medirse también por velocidad industrial y capacidad de fabricación, no solo por demos.

🤌 Hangzhou Xynova presenta Flex 2, una mano diestra híbrida que combina transmisión por cable y accionamiento directo. Incluye percepción táctil y una cámara situada en la muñeca, no en la palma, reforzando una idea clave en manipulación: el avance de los humanoides dependerá tanto de los modelos como de manos capaces de sentir, agarrar y coordinar contactos finos.

🤝 Humanoid firma un acuerdo con Schaeffler para desplegar miles de robots humanoides en fábricas hasta 2032. El despliegue comenzará en Alemania a finales de 2026 y se estructura como RaaS, con Schaeffler además como proveedor preferente de actuadores, una combinación muy clara de cliente industrial y socio de cadena de suministro.

🚀 Rocket Lab ha comprado la empresa Motiv Space Systems, especializada en robótica espacial, control de movimiento y mecanismos de precisión para naves. La adquisición añade tecnología probada en rovers de Marte y lleva internamente componentes críticos como mecanismos de orientación de paneles solares, mostrando que la robótica también será clave en la industrialización del espacio.

Me parece increíble todo lo que está pasando en el ámbito de la robótica y lo poco que nos estamos moviendo en España y Latam para aprovecharlo. Es como si estuviéramos aletargados por el auge de la IA y no fuéramos capaces de imaginar que la ola que está por venir es aún mayor.

Pero esto puede cambiar si empezamos a estudiar cómo se está desarrollando este nuevo sector de la IA Física y nos ponemos a trabajar en una de las muchas oportunidades que están apareciendo en nuestro camino.

Por ejemplo, en los últimos días están corriendo como la pólvora en las redes dos informes que hablan de la oportunidad que supone trabajar como parte de la cadena de valor que crea los componentes que van a ser necesarios para fabricar los robots humanoides.

Resulta que Elon Musk ha dicho que los actuadores suponen el mayor coste para la fabricación de Optimus así que consultores e inversores se han lanzado a investigar al respecto y nos cuentan que existe una oportunidad gigantesca en convertirse en proveedores de la cadena de suministro para la fabricación de robots humanoides.

Así lo explica McKinsey

“La cadena de suministro de robótica es la limitación más subestimada en la escala humanoide. Pero para las empresas que actúen ahora, representa la oportunidad más importante de una generación”.

También nos hablan de ello en un artículo de Citrini Research en el que en general se destaca la oportunidad que supone la IA Física, pero concretamente se expone cómo la cadena de suministro, que hasta ahora ha estado dedicada a los sectores automotriz y defensa, tiene la oportunidad de reconvertirse para satisfacer la creciente demanda de tecnología por parte de los fabricantes de robots.

La mayor oportunidad de la robótica es el software

Pero si la oportunidad de trabajar en la fabricación de componentes de robots es grande, ni te cuento lo que va a pasar con el software, porque la clave de todo esto es el nivel de especialización que pueden llegar a tener los robots una vez les dotemos de la inteligencia necesaria para hacer todo tipo de tareas de las cuales haya una necesidad.

Por ejemplo, la startup francesa SquareMind acaba de presentar un brazo robótico especializado en automatizar los exámenes de piel gracias a un software que han desarrollado para asegurar todo el proceso escaneando del cuerpo y trastrear cada lunar, capturando imágenes de dermatoscopia de cuerpo completo en minutos. Además, asegurando que a lo largo del tiempo queda una constancia de cómo evolucionan esas manchas de la piel, lo cual es la clave para detectar a tiempo el posible cáncer.

Swan es el nombre de este sistema robótico, que tiene las siguientes características:

• Descubre manchas nuevas y cambiantes entre visitas.

• Reemplaza los exámenes de chequeo puntual con cobertura total de la piel.

• Crea un registro en serie temporal para una detección más temprana del melanoma.

• Se integra directamente en clínicas de dermatología.

La empresa acaba de recaudar 18 millones de dólares de financiación para impulsar su crecimiento y es uno de los muchos ejemplos de cómo la robótica transforma sectores completos, en este caso el de la atención médica.

Figure y 1X acelerando la fabricación de sus robots

Parece que en USA se han picado al ver que los fabricantes chinos estaban dando muchos datos al respecto de las ventas de sus robots, ya que empresas como Unitree y Agibot preparan sus salidas a bolsa. Así que Figure y 1X se han lanzado a informarnos también de cómo avanza su trabajo para escalar la fabricación de robots.

Esto es una buena noticia porque los que queremos formar parte activa de este sector estamos muy necesitados de datos sobre cómo evoluciona la producción para saber cuándo estas máquinas llegarán al mercado.

• La fabricación de NEO de 1X, hecho en América. Se apalanca sobre el interés que están mostrando en USA por reindustrializar su economía. No lo van a tener fácil, precisamente por la dependencia de los fabricantes chinos de componentes. Pero ya sólo con intentarlo seguro que consiguen un montón de cosas, de hecho lo que estamos viendo a nivel de infraestructura de datacenters para la IA seguro que lo acabamos viendo también con fábricas de componentes para robots. Pero bueno, que aquí teníamos que hablar de NEO y la buena noticia es que lo están vendiendo como churros: 10.000 pedidos en los primeros 5 días de la preventa.

• Y ahora vamos con Figure porque las cifras que ha publicado sobre fabricación son muy prometedoras: En los últimos 120 días escaló la fabricación 24 veces: de 1 robot/día a 1 robot/hora, fabricando ya 55 robots humanoides por semana. Lo ha contado Brett Adcok que también ha mostrado un vídeo de cómo está llevándose a cabo esta fabricación del robot y que incluso ha concedido una entrevista de casi dos horas de duración donde se puede ver mucho de lo que la empresa está haciendo satisfacer la demanda que está recibiendo de sus primeros clientes.

Así que sólo puedo decir una cosa más, el partido se ha iniciado y es el momento de pasar a la acción, por eso estoy poniendo en marcha la comunidad pioneros robots donde quiero juntar a aquellos que quieran ser protagonistas de esta gran oportunidad, con las empresas que necesitan robots ya mismo para resolver sus problemas de personal.

Muchas empresas me están escribiendo porque quieren integrar robots en su operativa, pero yo no puedo ayudar a todas, necesito generar ese punto de encuentro entre integradores y empresas, eso es lo que quiero que sea la comunidad de Integrarobot.

Más noticias sobre IA Física y Robótica

🌐 Meta compra Assured Robot Intelligence, una startup centrada en modelos de IA para robots humanoides. El equipo se integrará en Meta Superintelligence Labs, reforzando la idea de que las grandes tecnológicas ya no miran la robótica como una categoría lejana, sino como una nueva frontera para llevar sus modelos al mundo físico.

🛠️ Tnkr quiere reducir una de las barreras más comunes para empezar en robótica: no saber qué piezas usar, en qué orden montarlas o con qué stack de software trabajar. La plataforma reúne proyectos robóticos open source con CAD, firmware y guías paso a paso, convirtiéndose en una especie de GitHub práctico para construir robots reales.

✋ Eka Robotics presenta su modelo de Visión-Fuerza-Acción (VFA), defendiendo que las fuerzas son el lenguaje del mundo físico. La señal es importante porque la siguiente generación de robots no solo tendrá que ver y decidir, sino también sentir contacto, presión y resistencia para manipular objetos con seguridad.

🏛️ Fujitsu lanza junto con la Universidad Carnegie Mellon una iniciativa para investigar generación de acciones, percepción espacial, coordinación multi-robot, colaboración humano-robot y transferencia entre simulación y realidad, para acelerar la llegada de la IA física a sectores como industria, logística, construcción, infraestructuras y sanidad.

🤖 Unitree presenta un robot humanoide de doble brazo desde 4.290 dólares. El modelo integra visión binocular, interacción por voz, sensores y motores de alto rendimiento en un formato ligero y compacto, reforzando una tendencia clave: hardware robótico cada vez más accesible para desarrolladores, laboratorios y startups.

🧳 Japan Airlines prueba robots humanoides de Unitree para tareas de rampa en el aeropuerto de Haneda. El robot puede guiar contenedores, ayudar con maletas, mover palancas y empujar carga con el objetivo de automatizar trabajos físicamente duros en aeropuertos con falta de personal y protocolos de seguridad muy exigentes.

🏗️ SoftBank quiere sacar a bolsa Roze AI, una nueva compañía que usaría robots autónomos para construir centros de datos en Estados Unidos. Más allá de la valoración rumoreada de 100.000 millones de dólares, la noticia muestra cómo la robótica empieza a entrar en el cuello de botella físico de la IA: construir la infraestructura que alimenta los propios modelos.

🌍 Nano World Model publica un repositorio minimalista y open source para entrenar modelos de mundo en vídeo basados en diffusion-forcing. Incluye checkpoints, evaluación, rollouts largos, reconstrucción 3D desde vídeo y planificación tipo MPC, una pieza muy útil para investigadores que quieran experimentar con modelos predictivos del mundo físico sin montar toda la infraestructura desde cero.

🏭 ABB Robotics lanza PoWa, una nueva familia de cobots orientada a tareas industriales exigentes. Con cargas útiles de 7 a 30 kg, velocidades de hasta 5,8 m/s y despliegue plug-and-play, ABB intenta cerrar la brecha entre el cobot fácil de instalar y el robot industrial de alto rendimiento.

🦾 Tutor Intelligence presenta Data Factory 1, una flota de 100 robots Sonny dedicada a generar datos reales para entrenar modelos de robots. La idea clave es crear un ciclo de mejora industrial: teleoperadores enseñan y corrigen tareas, los robots producen datos a escala y esos datos entrenan políticas cada vez más capaces para fábricas y almacenes.

🐶 Familiar Machines & Magic es la nueva startup de Colin Angle, cofundador de iRobot, los creadores del robot aspirador roomba. El primer producto lanzado por la empresa es un un robot cuadrúpedo y peludo al que llaman “Familiar”. El robot no puede subir escaleras ni agarrar objetos, y su comunicación con el usuario es no verbal: maúlla, ronronea y expresa emociones a través del cuerpo y la cara.

Read more

¿Qué puede llevar a Brett Adcock a publicar un gráfico sobre el crecimiento de la fabricación de los robots Figure en el cual no aparecen los datos del eje Y?

Estoy seguro de que sabía que esto le iba a generar muchas críticas e incluso desconfianza. No parece una actitud propia de un empresario que quiere mejorar el mundo a través de su tecnología.

Pero no voy a ser yo quien critique a uno de los empresarios que más esfuerzos está haciendo para hacer realidad el sueño de los robots humanoides, así que vamos con lo importante: las cifras de fabricación de los robots se están disparando.

Si el gráfico es cierto, aunque incompleto, lo que parece claro es que en los últimos meses la fabricación se ha disparado, pasando de 0 o 1 robot en abril en 2025 a un número que debería ser de varios cientos de robots fabricados al mes en estos momentos, lo cual nos llevaría a una cifra de miles a lo largo de este año.

Entonces, si nos remitimos a las cifras que publica la empresa, tenemos el dato de la capacidad de fabricación que tiene o tendrá la fábrica BotQ “con capacidad para producir hasta 12.000 robots humanoides al año”.

📦 UPS quiere comprar 10.000 robots a Figure

Aquí es donde la cosa se pone interesante, porque en una actividad tan nueva, donde hay tanta incertidumbre, lo normal sería ser prudente a la hora de lanzarse a producir en masa, no sea que el mercado no acepte aún el producto por su inmaduro estado de desarrollo.

Pero ya sabes, el que no arriesga no gana, y la recompensa es tan alta que muchas empresas se están lanzando a comprar los robots, aunque aún estén en una fase prematura de desarrollo. Recuerda lo que siempre digo, el primer iPhone no tenía GPS, pero la gente se lanzó en masa a comprarlo.

Veamos otros ejemplos de cómo se están lanzando las empresas a comprar o al menos a encargar robots humanoides.

• Schaeffler planea desplegar más de 1.000 humanoides robóticos AEON de Hexagon en sus fábricas globales para 2032

• Los operadores de la red eléctrica de China planean comprar miles de robots solo en 2026, incluyendo dispositivos para inspeccionar y mantener infraestructuras vitales.

• ROBOTERA, que está desplegando su robot humanoide L7 en más de 10 centros logísticos operados por China Post, SF Express Group y otras empresas del sector.

¡Esto marcha!

Mi conclusión tras pensar en todo esto es que las cosas avanzan a su debido ritmo. Así tenemos tiempo para prepararnos y que no se nos venga todo encima como ha ocurrido con la IA Generativa, donde mucha gente anda aún paralizada porque no sabe cómo afrontar el gran cambio que se está produciendo.

En todo caso, tampoco me parece prudente quedarse esperando a que los robots estén por todos lados y por eso pienso que es el mejor momento para aprender de robótica. Así que he lanzado un curso en directo online donde contar todo lo que conozco sobre IA Física y robótica humanoide. Será los días 12, 13 y 14 de mayo de 18 a 20h y ya te puedes apuntar. Para hacerlo tienes que entrar a formar parte de la comunidad pioneros robots, que tiene un coste de 10 euros al mes o 100 euros al año. Además podrás participar en los encuentros mensuales de la comunidad y recibir contenido exclusivo.

Más noticias sobre IA y robótica

🦾 Sisteplant es una empresa española que ha creado R Bot, un software de automatización para actividades de inspección, mantenimiento, calidad, supervisión de producción y seguridad en plantas industriales, edificios e infraestructuras, que controla una flota de robots móviles que trabajan coordinados entre sí.

🧠 Sereact levanta 110 millones de dólares para escalar Cortex 2.0 y entrar en Estados Unidos. La compañía afirma tener más de 200 sistemas desplegados en Europa y más de 1.000 millones de picks reales, reforzando la idea de que el dato operativo en almacén puede convertirse en una ventaja acumulativa para la IA física.

🛞 Unitree demuestra que los humanoides no tienen por qué limitarse a caminar: también pueden incorporar ruedas cuando la tarea lo permita. La idea interesante no es el truco visual, sino el enfoque pragmático: si el objetivo es crear robots de propósito general, la forma humanoide puede combinarse con soluciones de movilidad más eficientes.

🧪 Siemens explica cómo combinar simulación y pruebas reales puede acelerar el entrenamiento de robots. Su enfoque apunta a reducir el coste y el riesgo del aprendizaje físico, usando gemelos digitales y pequeñas cantidades de datos reales para ajustar el comportamiento del robot ante terrenos, fricción y condiciones cambiantes.

💸 Pudu Robotics capta cerca de 150 millones de dólares y supera una valoración de 1.500 millones. La compañía china, conocida por robots de servicio, limpieza y logística, quiere usar el capital para avanzar en embodied AI, ampliar su catálogo y escalar fabricación y cadena de suministro global.

🛫 A&K Robotics consigue 8 millones de dólares canadienses para desplegar Cruz, su robot autónomo de movilidad para aeropuertos. El caso es interesante porque lleva la autonomía a entornos interiores muy concurridos, donde la accesibilidad, la seguridad y la integración operativa pesan tanto como la navegación.

🏭 Vodafone junto con SAP y Accenture prueban humanoides en un almacén conectados con SAP Extended Warehouse Management. El robot inspecciona productos, palés, espacio infrautilizado y riesgos de seguridad, mostrando cómo la robótica humanoide empieza a integrarse en procesos empresariales reales, no solo en demos aisladas.

🇬🇷 MARK One aparece como el primer humanoide industrial diseñado y construido en Grecia. Desarrollado por AXL Imperial, combina movilidad autónoma y brazos para tareas como paletizado, alimentación de máquinas, control de calidad y manipulación de materiales.

📚 NVIDIA publica un módulo práctico para construir el primer robot en Isaac Sim. La guía cubre creación del robot, físicas, sensores, control y conexión con ROS 2, reforzando el papel de Isaac Sim como puerta de entrada para formar talento y acelerar proyectos de simulación robótica.

🏓 Sony AI presenta Ace, un robot capaz de competir contra jugadores de élite en tenis de mesa . El proyecto combina sensores de visión de baja latencia, aprendizaje por refuerzo y hardware de alta velocidad para responder en milisegundos, convirtiéndose en un hito de IA física en interacción dinámica y competitiva.

Read more