Robots humanoides y modelos de IA: qué funciona fuera de las demostraciones

Un robot que dobla una camiseta en un vídeo de dos minutos puede haber necesitado veinte intentos fuera de cámara, una persona controlándolo a distancia en las partes difíciles o un vídeo acelerado. Nada de eso es fraude si se indica, pero casi nunca se indica en los titulares. Los modelos de IA han cambiado de verdad lo que los robots pueden aprender, y a la vez la distancia entre la demostración y el uso diario sigue siendo grande. Saber leer un vídeo de robótica es la mitad de entender el sector.

El artículo recoge el estado del sector hasta su fecha de escritura. Las empresas de robótica humanoide anuncian novedades con mucha frecuencia y no siempre publican datos que permitan verificarlas.

Qué cambiaron los modelos de IA

Durante décadas, cada tarea de un robot se programaba o se entrenaba por separado: un sistema para coger un tipo de pieza, otro para abrir un tipo de puerta. Desde 2023 aparecieron los modelos de visión, lenguaje y acción, que reciben imágenes de las cámaras y una instrucción en lenguaje natural y producen directamente los movimientos del robot. RT-2, de Google DeepMind (2023), mostró que un modelo así podía aprovechar el conocimiento general de internet para entender instrucciones nuevas («coge el objeto que sirve para clavar»). Después llegaron modelos como π0 de Physical Intelligence y Gemini Robotics de Google DeepMind, con más generalidad y movimientos más hábiles.

La aportación real es la generalización: un mismo modelo para muchas tareas y objetos, y la posibilidad de dar instrucciones en lenguaje natural. Es un cambio de método importante, aunque no resuelve los problemas físicos de la robótica.

El cuello de botella: datos y fiabilidad

Los modelos de lenguaje se entrenaron con buena parte del texto de internet. No existe nada comparable para la robótica: los datos de robots haciendo tareas se recogen uno a uno, normalmente con personas que teleoperan al robot. Iniciativas como Open X-Embodiment (2023) reunieron datos de decenas de laboratorios, y las empresas recogen millones de demostraciones, pero sigue siendo una fracción de lo que tuvieron los modelos de lenguaje.

La fiabilidad es el otro problema. Un error de un chatbot se corrige escribiendo otra vez; un error de un robot rompe un vaso o golpea a alguien. Y las tareas reales encadenan muchos pasos: con un 95% de éxito por paso, una tarea de diez pasos sale bien solo alrededor del 60% de las veces (0,95 elevado a 10). Para un uso doméstico o industrial sin supervisión hacen falta tasas de éxito mucho más altas que las de las demostraciones.

La paradoja de Moravec, formulada en los años ochenta, sigue vigente: lo que a las personas les resulta difícil (ajedrez, cálculo) es fácil para las máquinas, y lo que nos resulta trivial (andar por una casa desordenada, manipular objetos blandos) es lo más difícil.

Despliegues reales

Los primeros usos con robots humanoides están en entornos controlados: almacenes y fábricas con tareas repetitivas y acotadas, como mover cajas o contenedores. Empresas como Agility Robotics han anunciado despliegues comerciales en logística, y varios fabricantes de automóviles han hecho pilotos con humanoides en sus plantas. La escala sigue siendo pequeña comparada con los robots industriales clásicos, que llevan décadas en las fábricas sin forma humana.

En el hogar, algunas empresas han empezado a vender o preinscribir robots domésticos, reconociendo en algunos casos que las tareas difíciles se resuelven inicialmente con operadores humanos a distancia que guían al robot, lo que también sirve para recoger datos de entrenamiento. Plantea preguntas evidentes de privacidad: una persona desconocida viendo el interior de tu casa a través del robot.

Cómo leer una demostración

• ¿Es autónomo o teleoperado? Muchas demostraciones mezclan ambos sin decirlo.
• ¿A qué velocidad está el vídeo? Los vídeos acelerados (2×, 4×) son habituales en robótica y deberían indicarse.
• ¿Cuántos intentos hubo? Una ejecución exitosa no dice nada de la tasa de éxito.
• ¿El entorno estaba preparado? Objetos en posiciones conocidas, iluminación controlada y ausencia de personas simplifican mucho la tarea.
• ¿Es una tarea nueva para el robot o una que practicó cientos de veces en ese mismo escenario?

Los laboratorios serios publican tasas de éxito sobre muchas ejecuciones, en entornos no vistos durante el entrenamiento. Es el dato que distingue un avance de una buena toma.

Errores frecuentes al hablar del tema

Pensar que la forma humana es necesaria. Un humanoide tiene sentido en entornos diseñados para personas (escaleras, puertas, herramientas). En una fábrica que se puede adaptar, un brazo robótico o un robot con ruedas suele ser más barato, más rápido y más fiable.

Trasladar el ritmo de los modelos de lenguaje. Los chatbots mejoraron rápido porque había datos y el costo de un error era bajo. La robótica tiene menos datos, errores más caros y hardware que se fabrica y se repara: avanza a otro ritmo.

Qué vigilar

Tasas de éxito publicadas sobre muchas ejecuciones en entornos nuevos, la proporción de autonomía frente a teleoperación en productos comerciales, el número de unidades realmente desplegadas en trabajo productivo y el precio por unidad. Son los indicadores que separan el avance técnico de la campaña de marketing.