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

Hoy voy a aprovechar dos noticias de máxima actualidad para representarlo.

1. La media maratón de robots humanoides de Pekín.

2. La nueva mano de Optimus.

El 19 de abril de 2026 más de 100 robots humanoides de fabricación china corrieron junto a 12000 corredores humanos en un recorrido de 21 kilómetros en el distrito E-Town de Pekín. Lo que ocurrió a lo largo de esos 21 kilómetros puede calificarse al mismo tiempo como asombroso, caótico e incluso hilarante, pero sobre todo hay que reconocer que es otro de esos hitos que nos están mostrando el futuro de la robótica.

Lightning es el nombre del robot ganador de la carrera, su fabricante es Honor y ha completado el recorrido en 50 minutos y 26 segundos, pulverizando el récord mundial de media maratón de 57 minutos, establecido por el ugandés Jacob Kiplimo, por casi siete minutos. Honor no solo ganó la carrera, sino que sus robots coparon el podio, obteniendo el primer, segundo y tercer lugar.

De la carrera destacar un par de aspectos que nos hablan de lo rápido que está evolucionando y mejorando esta tecnología:

1. El robot ganador de la misma carrera el año pasado terminó en 2 horas y 40 minutos. Lightning de Honor completó el mismo recorrido en 50 minutos. Esto nos indica que estamos entrando en plena exponencialidad.

2. En la carrera de este año el 40% de los robots corrían de forma autónoma, frente a la carrera del año anterior donde el porcentaje de teleoperación fue mucho mayor. Esto es muy importante porque nos habla de cómo está mejorando el software, no sólo el hardware.

Bien, ahora que sabemos que los robots corren que vuelan y que Honor se está metiendo a tope con esto de los humanoides veamos lo de la nueva mano que ha diseñado Tesla para Optimus.

Lo que Tesla nos está contando con esta nueva patente es que la cosa con Optimus va muy en serio. Sí, suena raro, pero es que viendo las demos del resto de empresas podría parecer que nos basta con un robot que hace las cosas y punto. Por ejemplo en la mayoría de demos de empresas de IA Física lo que vemos son brazos robóticos con pinzas, que pueden manipular todo tipo de objetos, incluso parece que de forma bastante precisa. Pero en Tesla andan pensando en otra cosa.

El nivel de excelencia que está buscando Tesla con su robot es otra historia. Si has probado sus coches sabrás de qué te hablo. Y de conseguir algo similar, estaremos ante una tecnología que no dejará a nadie indiferente.

De lo que hablo es de reinventar el concepto de robot. Se trata de comparar lo que están haciendo el resto de fabricantes, que buscan ofrecer lo básico para resolver las actividades cotidianas que se puedan encomendar al robot, frente a algo totalmente distinto que busca ir más allá de la utilidad inmediata y superar incluso las capacidades humanas.

Por verlo como un símil, la mano de cualquier robot sería como la mía, bastante torpe para la mayoría de los trabajos manuales, sin embargo la mano de Optimus aspira a tener la destreza equivalente a la de un cirujano.

Creo que esto justifica los retrasos en la fabricación del robot de Tesla, no me gusta que sea así porque me gustaría poder comprar el robot ya mismo, pero la diferencia en cuanto a la calidad final del producto hará que valga la pena la espera.

¿Logrará Tesla un hito para la manipulación similar al alcanzado por Honor para la locomoción?

Tener robots rápidos, flexibles y fuertes está bien, pero sobre todo queremos tener robots hábiles y eso es lo que nos transmite la nueva patente de la mano de Tesla Optimus.

Una patente que describe una arquitectura mecánica bastante distinta a la que se suele ver en la mayoría de robots actuales, que suelen ser relativamente simples. Básicamente una pinza o un sistema con pocos grados de libertad que permite agarrar objetos grandes pero que tiene bastantes limitaciones cuando se trata de manipular cosas pequeñas o delicadas.

Por lo tanto, Tesla está intentando resolver ese problema con un diseño más cercano a la anatomía humana.

La idea central de la patente es elegante desde el punto de vista de ingeniería: los motores que generan el movimiento no están dentro de la mano, sino en el antebrazo. Desde ahí el movimiento se transmite a los dedos mediante cables que funcionan de forma similar a los tendones del brazo humano.

Este detalle tiene varias consecuencias importantes.

1. Ligereza: en robótica existe un principio que muestra cuanto más peso colocas en el extremo de una articulación, más difícil es controlar el movimiento con precisión. Al desplazar los actuadores al antebrazo se reduce la masa en la mano y se mejora el control fino.

2. Densidad mecánica: una mano humana tiene muchos grados de libertad y replicar esa complejidad dentro de un volumen pequeño es extremadamente difícil. El uso de cables permite introducir múltiples articulaciones en los dedos sin tener que meter motores en cada falange.

3. Precisión: los cables recorren el interior de la palma y la muñeca a través de canales y poleas diseñadas para reducir la fricción y mantener la tensión adecuada. Esto permite controlar con más delicadeza la fuerza aplicada por cada dedo.

Entonces, si nos fijamos con detalle en el diseño que muestra la patente, el objetivo parece claro. No se trata solo de agarrar objetos, sino de manipularlos con destreza casi humana. Y esto aporta un valor incalculable porque amplía las posibilidades de dónde y cómo puede trabajar Optimus en todo tipo de situaciones y lugares (La Luna y Marte incluidos)

Más noticias sobre IA Física y robótica

🦓 Skild AI compra Zebra Technologies con el objetivo de implementar su sistema de inteligencia artificial integral en almacenes. Esto permitirá un aumento considerable de la productividad y añadirá un nuevo elemento a su ciclo de datos para entrenamiento de robots.

💻 Antioch quiere ser “el Cursor” de la IA Física. La startup desarrolla herramientas de simulación para desarrolladores de robots, cerrando la brecha entre la simulación y la realidad, logrando que los entornos virtuales sean tan realistas como para que los robots entrenados en ellos puedan operar de manera confiable en el mundo físico.

🤝 Neura Robotics y AWS llegan a un acuerdo estratégico para acelerar la IA Física a gran escala, combinando la plataforma de robótica cognitiva de NEURA con la infraestructura en la nube y de IA de AWS para ayudar a entrenar, validar e implementar la próxima generación de robots inteligentes.

🧬 Anyscale presenta Multiply Labs donde se usa la IA y la robótica para impulsar la biofabricación de alto rendimiento y libre de contaminación. Mediante el entrenamiento de modelos de IA física más grandes y complejos en la plataforma multi-nube de, Multiply Labs permite que los robots trabajen en la industria de productos biológicos para medicamentos.

📹 Mimic-video es un novedoso modelo de acción-vídeo (VAM) que combina un modelo de vídeo preentrenado a escala de internet con un decodificador de acciones basado en la coincidencia de flujos, condicionado a sus representaciones latentes.

📷 URLab es un plugin para Unreal Engine que integra el motor de física MuJoCo directamente en el editor y el entorno de ejecución lo cual permite disponer de un simulador de robótica de código abierto y alta fidelidad que integra la renderización fotorrealista de Unreal Engine con la física de precisión de MuJoCo.

🚘 Coco está convirtiendo sus 10.000 robots de reparto en una red de sensores en tiempo real en colaboración con BlindSquare, proporcionando alertas de peligro en tiempo real a los peatones ciegos en seis ciudades de Estados Unidos y Europa

⚛️ Physical Intelligence presenta su nuevo modelo de IA Física π0.7 que por primera vez muestra indicios tempranos de que un único sistema generalista puede improvisar, combinando habilidades aprendidas y entrenamiento a escala web para manejar tareas del mundo real para las que nunca se le enseñó explícitamente.

Por ejemplo, un informe de Goldman Sachs estima que el mercado podría alcanzar unos 38.000 millones de dólares en 2035. Citi eleva esa cifra hasta 7 billones de dólares en 2050. Morgan Stanley plante…

Read more

Para que los robots resulten realmente útiles en nuestra vida diaria y en la industria, deben ir más allá de seguir instrucciones; deben razonar sobre el mundo físico.

Así de claro deja Google DeepMind en la presentación de la nueva versión de Gemini Robotics que para que la IA pueda aportar valor en el mundo real debe evolucionar.

De esta forma Gemini Robotics-ER 1.6 se presenta como un modelo de IA Física basado en el razonamiento que permite a los robots comprender su entorno con precisión al mejorar el razonamiento espacial y la comprensión multivista, ofreciendo un mayor nivel de autonomía a los robots que lo incorporen.

Este modelo se especializa en capacidades de razonamiento robótico, incluyendo la comprensión visual y espacial, la planificación de tareas y la detección de éxito. Es capaz de ejecutar tareas mediante el uso nativo de herramientas como la búsqueda de Google para encontrar información y el uso de modelos de visión-lenguaje-acción (VLA).

Y lo mejor es que por primera vez Google DeepMind nos presenta un modelo de Gemini Robotics validado para cumplir con una función muy específica y con un alto valor añadido: la capacidad de lectura de instrumentos, que permite a los robots leer indicadores y visores complejos. Un caso de uso que se ha desarrollado a través de la colaboración que mantienen con Boston Dynamics.

Curiosamente esta utilidad presentada coincide con la que hace tiempo ya conocíamos estaba desarrollando la startup española Keybotic usando cuadrúpedos para la inspección de instalaciones industriales, donde también se ponía foco en que el robot pudiese fijarse en diferentes aparatos de medida para detectar anomalías o en localizar posibles problemas en las instalaciones como podían ser escapes o vertidos de sustancias tóxicas.

Por eso digo robots al rescate, porque estamos ante un caso de uso donde la utilidad que ofrece esta tecnología es enorme:

1. Las instalaciones industriales son muy extensas y tienen muchísimos puntos críticos en los que pueden producirse todo tipo de circunstancias que pueden acabar provocando un incidente de seguridad. Por mucho que queramos tenerlo asegurado con personas vigilando o incluso con cámaras sería inviable. Tener robots que realizan rondas de vigilancia periódica es mucho más práctico y seguro.

2. Aunque este trabajo lo puedan hacer las personas, me parece injusto que tenga que haber gente que arriesgue sus vidas de esta forma. Creo que el foco de los que trabajamos en el mundo de la tecnología, especialmente en esto de la IA y la robótica debería ser encontrar soluciones a la problemática laboral, pero no tanto porque falte gente sino por evitar exponerlos a este tipo de trabajos peligrosos.

3. La combinación de humano y robot es lo realmente importante. Estoy seguro de que si la persona que ahora anda realizando labores de vigilancia en las instalaciones puede hacer un trabajo intelectual en lugar de físico, las condiciones de seguridad general van a aumentar significativamente y no me refiero sólo para esa persona sino en el caso de producirse un gran accidente que ponga en riesgo a la población en general.

Otros casos de robots que vienen a nuestro rescate:

• Los propietarios de coches eléctricos con problemas de carga en ruta podrán contar con la ayuda de BYD que ha solicitado una patente para un robot capaz de cargar vehículos eléctricos e inflar neumáticos simultáneamente. El sistema comprueba de forma autónoma los niveles de batería y la presión de los neumáticos antes de ejecutar los servicios en una secuencia de circuito cerrado.

• K5 de Knightscope es un robot de seguridad que patrulla lugares públicos equipado con cámaras, sensores térmicos, micrófonos y sistemas de reconocimiento de matrículas para detectar incidentes o comportamientos sospechosos. Estos robots funcionan de forma autónoma y generan grandes volúmenes de datos de vigilancia para los equipos humanos de seguridad.

• Los robots de Running Brains se están utilizando cada vez más para seguridad perimetral en grandes instalaciones como refinerías, centrales energéticas o puertos. Desde el terreno pueden monitorizar áreas mucho más amplias que una persona y detectar intrusiones o incidentes en tiempo real. Además, se están integrando con drones para patrullas coordinadas en instalaciones industriales.

• Empresas como ROSEN desarrollan robots capaces de desplazarse por el interior de tuberías industriales para evaluar su estado sin necesidad de desmontar la infraestructura. Estos robots se introducen en las conducciones y avanzan por su interior equipados con sensores ultrasónicos y otras tecnologías de diagnóstico capaces de detectar corrosión, grietas o variaciones en el grosor del metal. Gracias a estos sistemas se pueden anticipar fallos antes de que provoquen fugas o accidentes.

Como ves, las aplicaciones de la robótica son enormes y en el momento en el que comienzan a integrar la IA de Google o de otros desarrolladores, vamos a ver como la utilidad se dispara hasta límites insospechados.

Más noticias sobre IA Física y robótica

Menuda semana cargada de noticias, y eso que hago una selección, pero es que esto de los robots es un mercado en plena ebullición.

🦾 Figure anuncia la adquisición de un centro de datos completo con GPU NVIDIA Blackwell para escalar el aprendizaje robótico exponencialmente. Esta enorme capacidad de procesamiento respalda la estrategia de la empresa de utilizar redes neuronales integrales que ofrezcan la mayor autonomía a sus robots.

🛒 Unitree pone a la venta en Aliexpress su robot R1 por 8122 dólares. Estamos ante un paso importante hacia la accesibilidad global de la robótica en el comercio minorista. La publicación en el gigante del ecommerce incluye la versión educativa, que ofrece interfaces de control abiertas integradas con IA y hasta 40 grados de libertad.

🏭 Foundry Robotics capta 19 millones de dólares de financiación asegurando que la fabricación estadounidense es uno de los problemas más difíciles de nuestra generación y ellos se han propuesto el objetivo de resolverlo.

💻 Agibot han integrado sus robots G2 en líneas de producción de productos de electrónica de consumo del fabricante Longcheer Technology en funcionamiento en Nanchang, logrando una tasa de éxito del 99 % y una producción de 310 unidades por hora.

💡 Syncere es una startup con sede en Palo Alto que está adoptando un enfoque diferente para la robótica doméstica con Lume, una lámpara de pie escultural que cuenta con un brazo robótico diseñado para doblar la ropa. Con un precio de 1499 dólares, este robot ambiental busca automatizar las tareas domésticas.

💰EngineAI consigue 200 millones de dólares de financiación. En la ronda ha participado el gigante de la fabricación Luxshare Precision valorando la compañía en 1400 millones de dólares. Esta alianza proporciona la experiencia en la cadena de suministro necesaria para alcanzar el ambicioso objetivo de entregar 5000 unidades en 2026.

🇳🇱 Tesla recibe aprobación para operar con sus sistema de conducción autónoma FSD en Países Bajos. Este sistema, controlado por el conductor, ha sido sometido a un exhaustivo examen y pruebas durante más de un año y medio en nuestra pista de pruebas y en vías públicas.

🗺️ Niantic, los creadores de Google Earth y PokemonGo se meten en el negocio de los modelos del mundo. Su modelo geoespacial a gran escala se basa en datos del mundo real procedentes de sensores terrestres y aéreos, procesados ​​y alineados para entrenar modelos que ofrecen tres servicios: reconstrucción, localización y comprensión.

☀️ Eclipse Ventures, el fondo de capital riesgo ha levantado 1.300 millones de dólares para invertir en startups de IA física, robótica y tecnologías industriales. La firma apuesta por empresas que combinan software, hardware y manufactura para transformar sectores como logística, defensa o energía. Su tesis es que la próxima gran ola tecnológica llegará desde el mundo físico, no solo desde el software.

🏭 BMW Group está transformando su planta de Múnich para fabricar la nueva generación de vehículos eléctricos “Neue Klasse”. La fábrica será más digital, flexible y automatizada, con mayor integración de robots y sistemas inteligentes de producción. El objetivo es aumentar la eficiencia y adaptar rápidamente la producción a distintos modelos.

💰 D-Robotics ha levantado 150 millones de dólares para ampliar su negocio de chips y plataformas de IA para robots y dispositivos inteligentes. La empresa desarrolla hardware especializado para visión artificial y robótica autónoma. China sigue reforzando así su ecosistema de semiconductores y robótica.

🧠 NVIDIA celebra la National Robotics Week destacando sus avances en plataformas de desarrollo para robots basadas en IA. La compañía impulsa herramientas como Isaac Sim, Omniverse y nuevos entornos de simulación para entrenar robots en mundos virtuales. El objetivo es acelerar el desarrollo de robots inteligentes capaces de operar en entornos reales.

👕 SIM1 Robotics es un entorno de simulación diseñado para entrenar robots mediante aprendizaje en entornos virtuales complejos. La plataforma busca mejorar la transferencia del entrenamiento desde simulación al mundo real. Este tipo de herramientas es clave para reducir el coste de datos en robótica.

🦾 Wendy es una proyecto experimental centrado en interfaces y herramientas para interactuar con robots y sistemas físicos a través de IA. La propuesta explora nuevas formas de programar y controlar robots usando lenguaje natural. Representa la tendencia hacia interfaces más accesibles para trabajar con sistemas robóticos.

Read more

En mayo vamos a realizar un nuevo curso online en directo. En esta ocasión va a tratar sobre la evolución de la robótica a la IA Física.

Me he dado cuenta de que el curso de robots humanoides, que realicé en diciembre en directo (y que ahora también está grabado en vídeo para los miembros de la comunidad pioneros robots), estaba demasiado limitado a un tipo de tecnología, pero muchas veces las cosas no van tan rápido como nos gustaría, así que se hace necesario ampliar la perspectiva y tratar otros temas para poder aportar una visión más completa.

Por lo tanto, el curso de robótica e IA física que voy a realizar los días 12, 13, y 14 de mayo de 18 a 20h, va a empezar hablando de robots camareros. Sí, porque son los primeros robots de nueva generación, los que tienen IA integrada, que la gente se está acostumbrando a ver y por lo tanto van a ser el comienzo de todo lo que está por venir en este sector.

La presentación de la estrategia de robótica de NVIDIA en el GTC 2026 también pone de manifiesto esta realidad. En las ediciones anteriores cuando Jensen Huang hablaba de IA Física tenía a su lado un montón de robots humanoides, pero en esta ocasión la imagen ha sido mucho más variada porque los humanoides se han mezclado con todo tipo de robots: coches autónomos, brazos robóticos industriales, drones, plataformas móviles, carretillas elevadoras autónomas y hasta una excavadora¡!

Así que en el curso de Integrarobot vamos a tener esa variedad y además nos vamos a centrar en tratar cómo se está produciendo esta transición, por ejemplo, cómo las empresas tradicionales de robótica, ABB, FANUC, KUKA, están dando sus primeros pasos en IA Física. También nos vamos a detener un poco en lo que está pasando con la conducción autónoma porque seguramente nos está mostrando el camino de lo que más adelante va a llegar con los robots.

Y qué decir de los drones, los robots de reparto, las robots móviles autónomos y tantas otras máquinas que están invadiendo el mundo de manera sigilosa, sin llamar tanto la atención como los humanoides, pero que al integrar IA están demostrando que no estamos ante una tecnología que sólo hace promesas sino que realmente entrega realidades.

Bueno, te confieso que también hablaremos al final del avances de los humanoides, porque la convicción al respecto de que va a ser la tecnología más transformadora del futuro la sigo teniendo, pese a los retrasos de Optimus 3 y el resto de contratiempos que van a surgir por el camino, tengo claro que es cuestión de tiempo que todos podamos tener nuestro robot mayordomo que nos quite de encima todas esas tareas tediosas que no queremos hacer.

Pero más allá de la anécdota del robot camarero, lo importante es entender qué está ocurriendo realmente:

Por primera vez en la historia estamos empezando a ver máquinas capaces de percibir el mundo, entender lo que ocurre a su alrededor y actuar en consecuencia. Eso es lo que llamamos IA Física: inteligencia artificial que no sólo genera texto o imágenes, sino que interactúa con la realidad.

Y cuando esa capacidad se conecta con robots, vehículos, drones o maquinaria industrial, el resultado no es una simple mejora tecnológica, sino una nueva capa de automatización sobre la economía.

Esto no va de robots futuristas.

Va de fábricas, almacenes, hospitales, restaurantes, carreteras y ciudades llenándose poco a poco de máquinas capaces de trabajar de forma autónoma.

Por eso en este curso no vamos a hablar sólo de tecnología. Vamos a intentar entender qué está pasando realmente y cómo posicionarse ante uno de los cambios industriales más importantes de las próximas décadas.

Si quieres comprender hacia dónde va todo esto antes de que se haga evidente para todo el mundo, nos vemos el 12, 13 y 14 de mayo.

Noticias sobre robótica e IA Física de la semana

🏢 Humandro-id presentó Robots ID en la GTC 2026 de Nvidia, una plataforma para teleoperar, recoger datos y entrenar robots humanoides. La solución es independiente del hardware y permite generar datos sintéticos manteniendo la propiedad de los datos en manos de las empresas. Su objetivo es facilitar el desarrollo de modelos de IA física sin depender de un único fabricante. El anuncio refleja cómo el ecosistema de herramientas para entrenar robots está creciendo rápidamente.

🧱 Anvil Robotics cierra una ronda semilla de unos 5,5 millones de dólares para impulsar su plataforma modular para construir robots. La empresa propone una especie de “Lego para robots”, con kits abiertos de hardware y software que permiten desarrollar aplicaciones de IA física de forma rápida. Sus robots pueden comprarse por entre 5.000 y 10.000 dólares y se envían en pocos días. La compañía busca democratizar el acceso a la robótica avanzada para startups, investigadores y equipos pequeños.

🚀 Generalist lanza GEN-1, un nuevo modelo fundacional multimodal diseñado para controlar robots en tiempo real. En tareas sencillas alcanza tasas de éxito superiores al 99 %, muy por encima de modelos anteriores, y es hasta tres veces más rápido. El sistema aprende nuevas habilidades con apenas una hora de datos de robot. Este enfoque sugiere que en robótica también empiezan a aparecer leyes de escalado similares a las de los modelos de lenguaje.

☀️ Maximo muestra cómo sus robots están automatizando la instalación de grandes plantas fotovoltaicas. La empresa completó una instalación de 100 MW utilizando robots que colocan y ensamblan paneles solares en el campo. El sistema utiliza tecnologías de simulación y computación acelerada de NVIDIA para coordinar las operaciones. Este tipo de robótica promete acelerar la construcción de infraestructuras energéticas a gran escala.

📹 Micro1 está creando un nuevo tipo de economía de datos para robots humanoides. Miles de trabajadores en distintos países se graban realizando tareas cotidianas para generar datos de entrenamiento que luego compran empresas de robótica. La compañía paga alrededor de 15 dólares por hora y vende los datos a fabricantes de robots. Este modelo refleja la creciente necesidad de grandes cantidades de datos humanos para entrenar sistemas de IA física.

🏭 Leju Robotics y Dongfang Precision han puesto en marcha en China una fábrica automatizada capaz de producir un robot humanoide cada 30 minutos. La planta integra decenas de etapas de ensamblaje y controles de calidad digitalizados. Según la empresa, la eficiencia es alrededor de un 50 % superior a los métodos tradicionales. La instalación podría fabricar hasta 10.000 robots al año, señalando el paso hacia la producción masiva de humanoides.

🖐️ Sanctuary demostró nuevas capacidades de manipulación avanzada con su mano robótica hidráulica. En una prueba el robot reorienta un cubo con letras varias veces seguidas sin dejarlo caer. El sistema realiza la manipulación utilizando únicamente las yemas de los dedos, sin apoyo de la palma. Este tipo de destreza es clave para tareas industriales complejas como ensamblaje o uso de herramientas.

📊 Positronic lanzó el Physical AI Leaderboard (PhAIL), un nuevo benchmark para medir el rendimiento real de modelos de robótica basados en visión-lenguaje-acción. Las pruebas se realizan en hardware real con tareas industriales como el picking de objetos. Los resultados muestran que los mejores modelos actuales solo alcanzan alrededor del 5 % del rendimiento humano. El benchmark pone de manifiesto la gran brecha que aún existe entre las demos de laboratorio y la robótica productiva.

Cuando puse en marcha el proyecto Integrarobot elegí el nombre pensando en cómo sería el proceso de integrar robots en empresas, hogares y, en general, en la economía real.

Pero el símbolo que acompaña al robot del logo tiene un significado más profundo.

Elegí el símbolo de la integral no por una cuestión meramente estética, sino porque intuía que la robótica no llegaría como una revolución instantánea, sino como una evolución progresiva.

En matemáticas, una integral representa la acumulación continua de pequeñas contribuciones a lo largo del tiempo. No mide un instante. Mide todo lo que se va sumando.

Y cuando observo cómo se está desarrollando la robótica, es fácil ver lo que está ocurriendo. Las empresas no pasan de cero robots a una fábrica totalmente automatizada.

• Primero aparece un robot que resuelve una tarea concreta.

• Después otro que automatiza una parte del proceso.

• Más adelante se reorganiza el flujo de trabajo.

• Y poco a poco el impacto empieza a acumularse.

Es por esto que la adopción de la robótica funciona como una integral.

• Cada pequeña mejora suma.

• Cada tarea automatizada añade más valor.

• Cada aprendizaje operativo se acumula en el tiempo.

Y con el tiempo esa suma termina transformando la empresa.

Son muchos los casos que hemos ido conociendo en los últimos meses de la integración de robots humanoides en la industria, por ejemplo hemos hablado de los pilotos de trabajo de los robots de Figure en las fábricas de BMW o de Agility en las de Toyota.

También me resultan muy interesantes las iniciativas que está llevando a cabo la startup inglesa Humanoid, porque es la que más está comunicando al respecto. Así vemos que ya han realizado pilotos de trabajo de su robot humanoide en las plantas de Schaeffler, Siemens, Ford y lo más reciente es el trabajo que ha realizado con SAP y Martur Fompak, donde han completado una prueba de concepto en un entorno logístico de producción real.

Si multiplicamos estas pruebas de concepto por todas las empresas que actualmente están fabricando robots humanoides seguramente tendremos muchos cientos de casos en los que se está probando esta tecnología, lo cual se convierte en una base sólida de trabajo que posteriormente permita trasladarlo a todo tipo de empresas y entornos.

Siguiendo este ejemplo, cuando una pyme, o incluso una familia, se plantea comprar un robot, antes hay mucho trabajo que hacer. De hecho, existe un método bastante claro que aplicar para empezar.

1️⃣ Primero hay que generar contexto. Porque igual que ocurre con la IA, la calidad del trabajo del robot dependerá de lo claro que tenga la tarea a realizar y lo concretos que sean los límites de lo que tiene que hacer. Si el robot no tiene los detalles de cómo se hace una operación, tendrá que improvisar y creo que las alucinaciones de los robots pueden tener consecuencias mucho peores que las de la IA. En este punto recomiendo usar la IA para documentar todo el proceso operativo de la empresa, lo cual podrá ayudar además a detectar los cuellos de botella donde los robots puedan aportar más valor al inicio.

2️⃣ Después es necesario documentar en vídeo el trabajo real. Una vez que tenemos claros todos los procesos que se producen en la empresa y hayamos detectado dónde podrían participar los robots para hacerlo de manera más eficiente, llega el momento de grabar en vídeo la operación porque ese será el conocimiento que habrá que transmitir al robot en primera persona para su entrenamiento. En este punto surge una situación de conflicto sobre cómo los trabajadores pueden percibir la llegada de los robots. Como aquí aún tenemos poca experiencia me temo que tendremos que ir aprendiendo de ello sobre la marcha.

3️⃣ Y por último es fundamental simular. Antes de comprar un robot tiene sentido modelar cómo puede encajar dentro del sistema de trabajo actual de la empresa. Y en este punto otra de las utilidades que puede ofrecerte la IA es crear simuladores del funcionamiento de los robots. Aunque puedas recurrir a uno de los simuladores que han creado las empresas de robótica, lo que yo te recomiendo es que lo construyas tú mismo, por ejemplo como un artefacto de Claude. Para ello tendrás que proporcionarle el contexto del punto 1 y pedirle, que lo programe como si fuera a realizarse el trabajo con un brazo robótico. De esta forma podrás entender mejor cómo será el funcionamiento del robot antes de que te lances a comprarlo y esto te ahorrará problemas futuros que no hayas tenido en cuenta.

Por lo tanto, integrar robots no empieza cuando llega el robot, sino mucho antes, cuando la empresa comienza a entender sus procesos y a mejorar pequeñas partes del sistema.

Porque, como en una integral, el verdadero impacto no aparece en un solo punto, sino cuando todas las mejoras se van acumulando.

Noticias sobre robótica e IA Física de la semana

🏭 Fagor y Funditec han puesto en marcha una joint venture para fabricar robots humanoides industriales en Europa. Su primer producto, Primus P1, se orientará a tareas de manipulación y mantenimiento. La empresa planea producir 200 unidades al año y escalar a más de 3.000, combinando inteligencia artificial con la experiencia en ingeniería de Fagor para facilitar la colaboración entre robots, operarios y maquinaria industrial.

⚙️ RoboForce la start‑up californiana obtuvo 52 M$ (67 M$ acumulados) para acelerar su modelo fundacional de robótica y pasar de prototipos a despliegues comerciales. Su plataforma de “Robo‑Labor” combina hardware y agentes de IA física para realizar trabajos duros y peligrosos en sectores como minería, data centers o energía solar, aprovechando un modelo RaaS que reduce costes y ataja la escasez de mano de obra.

🔟 Agibot anunció haber fabricado su robot humanoide número 10.000, un hito logrado en solo tres meses al pasar de 5 000 a 10.000 unidades gracias a una cadena de suministro madura. La producción masiva refleja un salto hacia la demanda comercial: sus robots se usan ya en logística, retail, hostelería, educación e incluso líneas de producción, con despliegues no solo en China sino también en Europa, Norteamérica y Asia.

🖐️ Xiaomi presentó una mano biónica para su humanoide CyberOne un 60% más compacta y con 22‑27 grados de libertad, igualando el tamaño y movilidad de una mano humana. La nueva versión incorpora sensores táctiles en toda la palma y usa guantes sensorizados para entrenarse; además, alcanza 150 000 ciclos de agarre sin fallos e incluye un sistema de “glándulas de sudor” mediante refrigeración líquida que disipa el calor y permite operar durante más tiempo.

🌱 Nature Robots spin‑off del DFKI, cerró una ronda seed de 4 M€ liderada por Climentum Capital, Bayern Kapital y Planetary Impact Ventures para escalar su software de autonomía modular para maquinaria agrícola. La financiación permitirá ampliar su equipo mientras su plataforma de navegación y monitorización autónoma busca reducir el uso de pesticidas y las emisiones de CO₂ en la agricultura.

🍔 McDonald’s está probando en Shanghái robots humanoides de Keenon Robotics que reciben y sirven a los clientes vistiendo el uniforme de la cadena. El experimento busca evaluar cómo la automatización puede mejorar el servicio y la experiencia en restaurantes, aunque de momento no se ha confirmado un despliegue masivo.

Otras lecturas para seguir aprendiendo sobre modelos del mundo:

Will World Models Allow Robots to Think? los modelos del mundo podrían ser el avance clave que permita a los robots pasar de ejecutar tareas programadas a razonar sobre el mundo físico y generalizar habilidades.

World Models: Computing the Uncomputable los world models son modelos de IA capaces de aprender representaciones internas del funcionamiento del mundo y utilizarlas para imaginar futuros posibles antes de actuar.

Esta tarde a las 19h voy a realizar un webinar en Youtube donde explicaré cómo puedes subirte a la ola de la IA Física. ¡No te lo pierdas!

¿Por qué la IA Física?

A NVIDIA le interesa especialmente que se promueva este término frente al de la robótica. Qué duda cabe que lo que está de moda ahora es la IA, además de que es lo que ha llevado a la empresa a convertirse en la más valiosa del mundo, por lo tanto la IA Física se presenta como una continuidad. Ya no hablamos de robots programables, sino de robots inteligentes, así que la cosa cambia radicalmente, porque pasamos de máquinas limitadas a robots de propósito general, lo cual escala mucho mejor.

La industria del automóvil se sube a la ola

El sector del automóvil afronta su enésima transformación, pero al contrario de lo ocurrido con los sistemas de combustión, en este caso parecen haber aprendido la lección y no están tardando tanto en empezar a competir con Tesla.

Es cierto que en cuanto a los fabricantes occidentales ninguno ha tomado aún una decisión tan radical como la de Tesla en cuanto a priorizar robots frente a automóviles, pero no son pocas las empresas que ya están dando pasos en este ámbito de la robótica, aunque aún pueda parecer que es pronto para empezar a invertir en ello.

Ahora bien, qué indicios tenemos para decir que la industria del automóvil está tan interesada por los robots humanoides. Veámoslo:

1. BMW lleva varios años dando pasos en materia de robótica, por ejemplo con la participación en la empresa de robots móviles Idealworks, que luego pasó a ser propiedad de Agile Robots y la colaboración entre estas empresas. Además el fabricante de coches también trabaja en pilotos de implantación de robots humanoides de Figue y Hexagon, por lo que se muestra un claro interés por formar parte de manera activa de este sector de la robótica.

2. Mercedes lleva tiempo trabajando con Apptronik para integrar robots humanoides Apollo, en sus plantas de producción para realizar tareas repetitivas y logísticas, como el transporte de componentes y el uso de herramientas. Además es uno de los principales socios de la empresa ya que ha participado en las rondas de inversión que la valoración en 5.500 millones y en la que también participó John Deere.

3. Renault ha invertido en la startup francesa Wandercraft y además ha trabajado conjuntamente con ella para el desarrollo del robot Calvin-40 que puede ser entrenado para seleccionar piezas mezcladas de contenedores, pero por ahora, se limita a levantar neumáticos y transportar paneles en el taller de carrocería, ya que tiene factores limitantes son la velocidad y la destreza.

4. Rivian en esto de los robots no se ha conformado con hacer como el resto de empresas invirtiendo en startups o colaborando con ellas, sino que ha creado una spin-off llamada Mind Robotics, que en pocos meses ha recaudado más de 600 millones de dólares, con el objetivo de abordar una deficiencia estructural de las soluciones de automatización industrial actuales, es decir, aportar lo que la robótica clásica no puede hacer: destreza, adaptación y razonamiento físico similares a los humanos.

5. Volkswagen trabaja con robots humanoides a través de una Joint Venture que tiene con el fabricante chino FAW y a través de esta colaboración es donde trabajan con el desarrollo de humanoides UBTECH para usar el robot Walker S realizando tareas tareas como el montaje de componentes y el manejo de las partes automotrices.

6. Hyundai fue uno de los fabricantes de coches que primero apostó por esto de los robots humanoides cuando en 2021 compró a Softbank el pionero de los humanoides Boston Dynamics. Desde entonces no ha parado de avanzar en temas de robótica, porque también colabora con otras empresas como Persona AI, para el desarrollos de robots de soldadura.

7. Toyota trabaja activamente en robótica humanoide a través de su centro de I+D Toyota Research Institute donde tiene una alianza con Boston Dynamics para acelerar el desarrollo de humanoides de propósito general, combinando Large Behavior Models de TRI con el robot Atlas. También la empresa colabora con Agility para usar sus robots en sus fábricas de coches de Canadá.

8. Xpeng también está muy interesado en el desarrollo de la IA física lo cual queda patente por el desarrollo de su propio robot humanoide Iron, diseñado para tareas industriales y de servicio, que destaca por su piel flexible, 82 grados de libertad, manos biónicas y batería de estado sólido. Su producción masiva está prevista para iniciar a lo largo de este año.

9. Ford ha colaborado desde hace años con Agility para el desarrollo del robot Digit, en soluciones de logística de última milla combinado con la tecnología de vehículos autónomos.

Como ves, una parte importante de la industria del automóvil está volcada en esta nueva tecnología de la IA física y el objetivo es claro, implementar robots humanoides en las fábricas para que se encarguen de las tareas rutinarias y que resulten peligrosas para las personas, pero que los grandes brazos robóticos no pueden afrontar por su falta de versatilidad.

Pero lo más interesante de esto es que la industria de la automoción es sólo la punta de lanza para que poco a poco otros sectores se vayan subiendo a esta ola, por ejemplo la de la logística, como vamos a ver luego con Amazon y Zalando.

Y hablando de automóviles, os comparto la entrevista que me han hecho hace poco en el canal de Todos Eléctricos donde hablamos largo y tendido sobre esta oportunidad de los robots humanoides y la relación que existe con el mundo de los coches.

Más noticias sobre IA Física y robótica

Empecemos esta recopilación de noticias hablando de Amazon, porque si la semana pasada dijimos que tenía previsto invertir 200.000 millones de dólares, empezamos a ver que todo ese capex no sólo va a ir a parar a ampliar los centros de datos de AWS sino que una parte se la va a dedicar a adquirir startups de robótica. Así hace pocos días conocimos la compra de Rivr, fabricante de robots de reparto que son capaces de subir escaleras y justo ayer el notición de la compra de Fauna, el fabricante del robot humanoide Sprout, que se ha hecho muy popular desde principios de año.

“Nos entusiasma la visión de Fauna de crear robots capaces, seguros y divertidos para todos. Junto con la experiencia de Amazon en robótica y décadas de trayectoria ganándonos la confianza de los clientes en el hogar a través de nuestros negocios de venta minorista y dispositivos, esperamos inventar nuevas formas de mejorar y facilitar la vida de nuestros clientes”.

Y ahora sí, vamos con las noticias breves de la semana

🕹️  Ludo se presenta como “la compañía del cerebro humanoide social” y busca avanzar la Inteligencia Física combinando percepción, aprendizaje y manipulación. Su objetivo es crear sistemas de inteligencia robótica generalistas mediante aprendizaje automático a gran escala, apoyados por el desarrollador de videojuegos Krafton y con sedes en San Francisco y Seúl.

🦾 LG realiza una inversión estratégica en Dexmate para incorporar robots humanoides con base de ruedas capaces de cargar 15 kg y trabajar más de 20 horas. La empresa coreana aspira a ofrecer un servicio “full‑stack RX” que combine hardware, modelos fundacionales y plataformas de entrenamiento para acelerar la adopción de robots en centros logísticos y plantas industriales.

🚚 Oxa cerró una ronda Serie D de 103 M$ destinada a impulsar la automatización del transporte industrial. Su software configurable Oxa Driver permite que vehículos existentes puedan transportar y vigilar mercancías en puertos, aeropuertos y fábricas, y la financiación se usará para reforzar este sistema y expandirse globalmente.

✋ Samsung crea una unidad dedicada a desarrollar manos robóticas de alta destreza, uno de los desafíos más complejos de la robótica humanoide. El laboratorio pretende construir manos con numerosos grados de libertad para mejorar la capacidad manipuladora de sus robots, aunque el resto de detalles es de acceso restringido.

🧠 Memories.ai colabora con Nvidia para crear una “capa de memoria visual” que permita a wearables y robots recordar lo que ven. La empresa, fundada por ex‑ingenieros de Meta, lanzó en 2025 su modelo LVMM y ha recaudado 16 M$; desarrolla dispositivos para recopilar vídeo y planea usar procesadores Qualcomm, convencida de que la memoria visual será crucial para la robótica y los wearables.

📦 Zalando desplegarán hasta 50 robots Richard de Nomagic en centros de distribución europeos tras un piloto con 100 000 recogidas diarias. Estos robots utilizan visión artificial y pinzas de precisión para manipular cajas de zapatos y otros productos, lo que permite procesar pedidos con rapidez y apoyar a los empleados; el despliegue abarcará instalaciones en Alemania, Italia, Países Bajos, Suecia y Francia.

🦞  RoboClaw presenta un marco robótico que unifica recolección de datos, aprendizaje y ejecución mediante un controlador de visión‑lenguaje‑acción. Introduce “pares de acciones entrelazadas” que crean ciclos de auto‑reseteo, reduciendo la intervención humana y mejorando en un 25 % la tasa de éxito en tareas de larga duración mientras disminuye un 53,7 % el tiempo humano requerido.

🧭 Advanced Navigation obtuvo 110 M$ en una Serie C liderada por Airtree Ventures y el fondo NRFC para desarrollar sistemas de navegación resilientes que no dependan del GPS. Su enfoque combina software de aprendizaje profundo y hardware de alta precisión para que vehículos autónomos operen en mar, tierra y aire; la inversión financiará la creación de centros de excelencia de posicionamiento, navegación y tiempo en EE. UU. y Europa.

📈 Unitree presentó una solicitud de salida a bolsa en Shanghái para recaudar 4 200 M¥ (610 M USD). Sus robots humanoides acapararon la atención en la gala del Festival de Primavera, y la empresa registró un crecimiento del 335 % en ingresos y del 674 % en beneficios en 2025; los humanoides aportan ya más de la mitad de sus ingresos y Unitree ostenta el 32 % del mercado global.

🦷 Dentronic consiguió 1 M$ de financiación pre‑semilla a través de South Park Commons. Está desarrollando sistemas para automatizar tareas repetitivas en odontología, como su brazo Dexor de seis grados de libertad que ya agotó su primera tirada; planea asociarse con grandes clínicas estadounidenses y, a largo plazo, extender la tecnología a otras áreas médicas incorporando inteligencia física.

🤝 Google DeepMind firma una alianza estratégica para integrar los modelos Gemini Robotics en la plataforma robótica industrial de Agile. La colaboración pretende desarrollar robots capaces de razonar y adaptarse en entornos industriales, con más de 20 000 soluciones ya desplegadas y el objetivo de crear un “flywheel” de IA en el que los datos de operación mejoren continuamente los modelos y amplíen sus capacidades.

Actualmente se obse…

Read more

Sin embargo no estamos viendo algo similar en la industria de la robótica, aunque comienzan a aparecer indicios de cierto interés por la evolución hacia la IA Física, aún son pocas las noticias de empresas del sector que apuestan decididamente por esta tecnología.

Con la noticia de la colaboración entre ABB Robotics y NVIDIA empezamos a ver ciento cambio, pero aún me parece insuficiente y no podríamos decir aún que esta empresa no esté siendo presa del dilema del innovador.

Su negocio de venta de robots industriales programables funciona, ¿Qué razón tendría para arriesgarse invirtiendo en un nuevo tipo de robots de propósito general impulsados por IA?

Durante décadas, ABB ha sido sinónimo de robótica industrial: brazo de precisión, celda de soldadura, línea de montaje. Han sido cincuenta años fabricando las máquinas que mueven las fábricas del mundo, pero ese tipo de robótica, no es capaz de aprender y por lo tanto de mejorar por sí misma.

La colaboración entre ABB y NVIDIA, donde se acaban de anunciar la integración de las bibliotecas NVIDIA Omniverse en la plataforma ABB RobotStudio, debería ser un primer paso para esa evolución de la robótica programable a la IA Física.

Con esta colaboración se busca resolver el problema sim-to-real: la brecha entre lo que un robot aprende en simulación y lo que es capaz de ejecutar en el mundo físico. Una brecha que, durante años, ha sido el principal cuello de botella para desplegar robótica basada en IA a escala industrial.

Lo que ABB está haciendo no es solo una actualización de software. Es la búsqueda de un nuevo posicionamiento, porque los fabricantes de robots tradicionales saben que el juego ha cambiado, y que se la están jugando con la IA Física, es decir, modelos de inteligencia artificial que no solo procesan datos, sino que actúan sobre el mundo con precisión y generalización.

Esta transición tiene implicaciones directas para el futuro de los robots humanoides. Porque los problemas que ABB está resolviendo hoy en brazos industriales, como la generación de datos sintéticos, el entrenamiento en gemelos digitales y la transferencia fiable al hardware real, son exactamente los mismos problemas que necesitan resolver los humanoides para salir del laboratorio y entrar en las fábricas realizando tareas con precisión y versatilidad.

NVIDIA no sufre el dilema del innovador

Por mucho que NVIDIA lleve ya varios años terminando sus eventos hablando de robótica no deja de ser emocionante ver todo lo que la empresa más valiosa del mundo está aportando a este sector. Y como se puede apreciar en la imagen, los robots humanoides ocupan el espacio central porque son la prioridad de futuro por el volumen de negocio que pueden llegar a suponer para la empresa.

Aquí vale la pena mencionar que en la presentación del GTC 2026, además de ABB también aparecían los brazos robóticos de FANUC y KUKA, por lo que queda claro que el grueso de la industria tradicional de la robótica industrial está trabajando también en IA Física aprovechando las capacidades de NVIDIA.

Y todo lo que está haciendo NVIDIA a nivel de robótica se puede resumir en las tres capas que explicó Jensen Huang:

1. Software de entrenamiento

2. Generación de datos sintéticos y simulación

3. Ordenador robótico que va dentro del propio robot: Jetson Thor

Para cada uno de estos niveles la empresa ha desarrollado tecnología propia, software en los dos primeros y hardware en el tercero.

En cuanto a software la novedad más importante ha sido la presentación de NVIDIA Newton, el simulador que añade capacidades de manipulación y locomoción con gran interacción para la robótica industrial y que se enmarca dentro del completo stack que ofrece la empresa de la siguiente forma:

• Isaac Lab para entrenamiento y evaluación de robots.

• Newton para simulación física diferenciable acelerada por GPU.

• Cosmos modelo del mundo para simulación neuronal.

• Groot, modelos fundacionales de robótica para razonamiento y acción.

El vídeo final mostrado en el evento es toda una declaración de intenciones sobre lo claro que tiene la empresa que su futuro pasa por la IA Física. No creo que sea simplemente porque los robots queden graciosos cantando y tocando instrumentos como si fueran dibujos animados.

Bienvenidos a la era de la IA física es la representación de cómo percibe el futuro NVIDIA, es cierto que aún no lo vemos en el día a día por nuestras calles, pero si ellos no lo hacen posible, ¿Quién lo va a hacer?

¿Has pensado ya cómo vas a subirte a la ola de la IA Física? si aún no lo tienes claro, te invito a participar en el webinar que voy a realizar el 25 de marzo a las 19h.

Más noticias sobre robótica e inteligencia artificial física

🧠 AMI labs es el nombre elegido por Yann LeCun para su laboratorio en el que demostrar que su visión sobre cómo escalar la IA a través de los modelos del mundo. Y para conseguirlo va a tener un camino de oro porque importantes fondos de inversión le han puesto sobre la mesa más de mil millones de dólares en lo que supone la mayor ronda de inversión de la historia para una startup europea, en la que además han participado importantes figuras de la tecnología como Jeff Bezos, Tim Berners-Lee, Mark Cuban, Xavier Niel y Eric Schmidt.

⚛️ Atoms es el nuevo emprendimiento de Travis Kalanik, el fundador de Uber, donde se ha propuesto como objetivo digitalizar el mundo físico, empezando por construir robots que puedan trabajar en los sectores de la minería y el transporte. Aunque aún el tipo de robots que va a construir no se conoce, por lo que parece su elección pasa por los robots especializados para tareas industriales en lugar de robots humanoides generalistas.

🦄 Rhoda AI ha recaudado 450 millones de dólares en financiación para desarrollar un nuevo modelo de IA entrenado con millones de vídeos de internet disponibles públicamente, con el objetivo que los robots industriales puedan realizar todo tipo de tareas, incluso en condiciones desconocidas. La ronda de financiación ha sido liderada por Premji Invest y valora la startup en 1.700 millones de dólares.

🏭 Mind Robotics anunció hoy una ronda de financiación de 500 millones de dólares, codirigida por Accel y Andreessen Horowitz, para desarrollar e implementar sistemas robóticos con inteligencia artificial a escala industrial. Sameer Gandhi, socio de Accel, se unirá al Consejo de Administración de Mind Robotics. Esta financiación se suma a una ronda de financiación inicial de 115 millones de dólares liderada por Eclipse Capital a finales de 2025.

🏠 Sunday recauda 165 millones de dólares y se compromete a no hacer más demos. Con una sobresuscripción y una valoración de 1.150 millones de dólares, Tiene el objetivo de dejar de lado las demostraciones y llevar el primer robot doméstico autónomo a los hogares este año. El despliegue público comenzará con un programa beta, que se implementará para los usuarios este otoño.

🤝 Boston Dynamics y FieldAI se asocian para llevar robots a entornos dinámicos e inexplorados, como son la construcción y otros entornos complejos y en constante evolución. Gracias a esta colaboración con FieldAI, líder reconocido en IA robótica y operaciones autónomas, los robots de Boston podrán entrar en una nueva era de autonomía de propósito general.

🛠️ FieldAI anuncia colaboración con NVIDIA para acelerar la adopción de IA en entornos industriales. La integración permite generar entornos digitales a partir de datos de sensores y entrenar robots con datos sintéticos. El objetivo es mejorar el rendimiento de los sistemas desplegados en operaciones reales. Foco en pipeline de datos y simulación.

📚 Dell colabora con Pollen Robotics, Hugging Face y NVIDIA para facilitar el acceso a la robótica práctica y la IA local a estudiantes, educadores y aficionados. Reachy Mini, un kit de robótica asequible y de código abierto, se combina con Dell Pro Max con GB10 para ejecutar modelos avanzados de lenguaje, visión y voz completamente en el dispositivo, garantizando privacidad y velocidad.

📦 Dexterity presenta Foresight, un modelo de mundo diseñado para robótica industrial. El sistema permite a robots tomar decisiones en tiempo real en tareas complejas como la carga de camiones, optimizando la colocación de objetos en el espacio y el tiempo. Está entrenado con grandes volúmenes de datos operativos reales. Enfocado en producción, no en investigación.

🔠 MIT introduce un sistema que combina modelos de lenguaje visual con planificación formal para resolver tareas complejas en entornos 3D. Un modelo interpreta la escena y genera acciones, mientras otro traduce esas acciones a representaciones estructuradas que pueden ejecutar planificadores clásicos. Mejora el rendimiento en escenarios no vistos. Arquitectura híbrida, no end-to-end.

👀 RealSense presenta un sistema de navegación autónoma para robots humanoides basado en visión y SLAM. La solución permite la localización y evitación de obstáculos en tiempo real, incluyendo entornos dinámicos con personas. El sistema ha sido entrenado en simulación antes de su despliegue físico. Orientado a percepción + navegación robusta.

Imagina que estás en 1900 y pretendes dilucidar cuál será el futuro del sector de la automoción. En esa década, el mercado de los coches era como el Lejano Oeste. Solo en Estados Unidos, llegaron a existir más de 2.000 marcas diferentes. Cualquier mecánico con un taller podía intentar fabricar su propio coche. Muchas de las marcas conocidas estaban dando sus primeros pasos aquí: Cadillac, Ford, Renault, Fiat, Peugeot, Mercedes, Opel, …

No es difícil suponer que con los robots humanoides o robots de propósito general sucederá algo similar que lo ocurrido con los coches en el último siglo. Igual que todo el mundo quiere tener un coche, un ordenador y un smartphone, el robot no se quedará como un producto destinado en exclusiva a la industria, sino que los fabricantes tienen claro que el mercado será global y para todos los públicos.

En este contexto es donde nos encontramos con la competencia entre fabricantes de robots, aunque ahora no tanto por ver cuál es el que más robots vende sino en una fase más preliminar por comprobar cuál capta más interés por parte de inversores y el mercado en general para comenzar cuanto antes a dar los siguientes pasos a nivel de comercialización. Bueno, excluyendo de esto a Unitree que sí que está vendiendo todo lo que puede aunque el producto no se pueda dar por terminado.

Dicho esto, vamos a ver en qué estado de desarrollo se encuentra Figure como producto y también como empresa, de cara a entender si realmente es el robot más avanzado del mercado a nivel técnico y qué implicaciones de futuro puede esto tener. Lo digo porque si nos fijamos exclusivamente en en las demostraciones que hace la empresa sí que se podría deducir esto, pero sin embargo esto contrasta con la realidad de que no han dejado ver al robot en público en situaciones como sí han hecho otras empresas, ya sea Tesla o Boston que lo llevan a eventos para que la gente pueda verlos funcionar en situaciones reales.

Figure AI

Figure es una startup estadounidense fundada en 2022 con el objetivo explícito de desarrollar robots humanoides de propósito general capaces de trabajar junto a personas.

La empresa ha captado rápidamente la atención del sector tecnológico por varias razones:

• Ha reunido a ingenieros procedentes de empresas como Boston Dynamics, Tesla o Apple.

• Ha cerrado una de las rondas de financiación más grandes de la historia de la robótica humanoide.

• Tiene acuerdos estratégicos con compañías del ecosistema de inteligencia artificial.

Entre sus inversores y socios tecnológicos figuran empresas como Microsoft, NVIDIA, OpenAI y Amazon, lo que ha alimentado la percepción de que Figure podría convertirse en una de las plataformas principales de la futura robótica impulsada por IA.

Su objetivo es construir un robot capaz de realizar trabajo físico generalista, empezando por entornos industriales y logísticos.

Aplicaciones

Las aplicaciones previstas para el robot humanoide de Figure se centran inicialmente en entornos industriales estructurados.

• Automatización de tareas repetitivas en fábricas

• Manipulación y transporte de piezas

• Logística interna en plantas de producción

• Clasificación y preparación de pedidos

• Operaciones industriales peligrosas o poco atractivas para trabajadores

• Recogida de datos para entrenamiento de sistemas de IA física

El primer piloto industrial conocido se está desarrollando con BMW, donde el robot se está probando en tareas de manipulación y logística dentro de una planta de producción.

Aspectos clave

• Robot humanoide diseñado para trabajo industrial generalista

• Arquitectura de inteligencia artificial multimodal

• Integración con modelos de lenguaje y visión

• Enfoque en automatización de trabajo físico repetitivo

• Desarrollo orientado a despliegues en fábricas y logística

• Fuerte respaldo financiero de grandes empresas tecnológicas

Una de las características más comentadas del robot es su capacidad para interactuar mediante lenguaje natural mientras manipula objetos, lo que apunta a una integración directa entre modelos de lenguaje y control robótico.

Especificaciones principales

Las especificaciones completas del robot no han sido publicadas oficialmente en todos los detalles, pero se conocen estimaciones aproximadas del modelo más reciente, Figure-02.

• Altura: 172 cm

• Peso: 61 kg

• Grados de libertad: ~40 DoF

• Velocidad máxima: 1.2 m/s

• Carga útil: 20 kg

• Autonomía: ~5 horas

Estas cifras lo sitúan dentro del rango habitual de robots humanoides diseñados para trabajo físico.

Construcción

• Estructura humanoide bípeda optimizada para estabilidad

• Diseño pensado para manipulación con dos brazos

• Batería integrada en el torso

• Arquitectura orientada a trabajo industrial continuo

• Componentes diseñados para futura producción en serie

El objetivo de diseño es que el robot pueda operar en entornos pensados para humanos sin necesidad de modificar la infraestructura existente.

Computación

El robot integra un sistema de cómputo avanzado orientado a inteligencia artificial.

• Procesamiento basado en GPU

• Entrenamiento mediante infraestructuras cloud

• Integración con modelos de lenguaje y visión

• Arquitectura compatible con aprendizaje continuo

El enfoque de Figure se basa en combinar modelos multimodales con control robótico, lo que se acerca a lo que en investigación se denomina modelos Vision-Language-Action (VLA).

Sensórica

El sistema sensorial del robot incluye distintos tipos de sensores necesarios para interactuar con el entorno físico.

• Cámaras RGB para percepción visual

• Sensores de profundidad

• IMU interna

• Sensores de posición en articulaciones

• Sensores de fuerza y par

• Sensores táctiles en las manos

Esta combinación permite realizar manipulación de objetos y navegación en entornos complejos.

Actuación

• Actuadores eléctricos de alta precisión

• Control de par en articulaciones

• Manos antropomórficas con múltiples grados de libertad

• Capacidad de manipulación fina

La destreza manual es uno de los aspectos más importantes para robots humanoides que aspiran a realizar tareas industriales.

Alimentación

• Batería eléctrica integrada

• Sistema de gestión energética interno

• Autonomía estimada entre 2 y 5 horas de trabajo continuo

El diseño busca equilibrar potencia y duración para tareas industriales.

Software de IA Helix

El software del robot se basa en una arquitectura de inteligencia artificial moderna.

• Modelos multimodales para comprensión del entorno

• Integración de lenguaje natural

• Aprendizaje por demostración

• Teleoperación para generación de datos

• Simulación para entrenamiento previo al despliegue

Este enfoque intenta acelerar el aprendizaje del robot combinando datos reales con simulación.

Producción y economía

Figure todavía no ha iniciado producción masiva.

El plan actual sigue una estrategia similar a la de otros fabricantes de humanoides:

1. Desarrollo del prototipo

2. Pilotos industriales con empresas colaboradoras

3. Producción limitada

4. Escalado progresivo hacia fabricación masiva

El primer despliegue industrial anunciado se está realizando con BMW.

Coste

El coste exacto del robot no ha sido publicado oficialmente.

Sin embargo, estimaciones del sector sitúan los robots humanoides actuales en un rango aproximado de:

• Coste estimado actual: 30.000 – 150.000 USD según configuración

• Objetivo a largo plazo: < 30.000 USD

El objetivo final del sector es alcanzar costes comparables al salario anual de un trabajador, lo que permitiría justificar económicamente su adopción a gran escala.

Conclusión

Figure se ha convertido en una de las empresas más observadas dentro del sector de la robótica humanoide.

No necesariamente porque su robot sea el más avanzado técnicamente, algo difícil de afirmar en un mercado tan joven, sino porque ha logrado reunir tres elementos poco comunes:

• Financiación masiva

• Alianzas con grandes empresas tecnológicas

• Primeros pilotos industriales

Si la empresa consigue transformar estas demostraciones en despliegues reales a gran escala, podría convertirse en uno de los actores clave en la transición hacia la robótica de propósito general.

Pero como ocurre con todo el sector de los humanoides, todavía estamos en una fase muy temprana de desarrollo.