sábado, 29 de agosto de 2026

Deere anuncia alianza de I+D con Reservoir tras sus resultados trimestrales

Deere & Company informó que obtuvo US$1.379 millones de utilidad neta en el tercer trimestre de su año fiscal 2026 y elevó su previsión anual de ganancias. En paralelo, John Deere anunció una alianza de investigación y desarrollo de US$10 millones durante tres años con Reservoir, enfocada en acelerar tecnologías de inteligencia artificial capaces de operar en condiciones agrícolas reales.

Tractor agrícola y equipo técnico prueban tecnología de inteligencia artificial en un cultivo

Resultados del tercer trimestre

El trimestre, cerrado el 2 de agosto de 2026, dejó una utilidad neta de US$1.379 millones, o US$5,10 por acción, frente a US$1.289 millones y US$4,75 por acción en el mismo periodo de 2025. Deere también comunicó que sus ventas y otros ingresos globales crecieron un 5 %, hasta US$12.608 millones.

El desempeño fue desigual entre divisiones. En Producción y Agricultura de Precisión, las ventas netas bajaron un 6 % y las ganancias un 9 %, debido principalmente a menores volúmenes de envíos, según la empresa. En cambio, el área de Agricultura Pequeña y Jardinería registró aumentos del 12 % en ventas netas y del 28 % en ganancias.

Deere elevó su previsión de utilidad neta para el año fiscal 2026 a un rango de US$4.750 millones a US$5.000 millones. La compañía considera que 2026 podría marcar el punto más bajo del ciclo actual de equipos agrícolas, pero esa perspectiva es una proyección empresarial y está sujeta a cambios en la demanda y las condiciones del mercado.

SelfPath AI cambia la forma de enseñar rutas a los robots

Brain Corp presenta SelfPath AI como una evolución de la navegación robótica: en lugar de depender únicamente de una ruta que una persona enseña y el robot repite, el sistema puede evaluar un espacio, generar trayectorias de limpieza y ajustarlas cuando cambia la distribución. La tecnología está asociada a BrainOS Clean 2.0 y a robots de limpieza de Tennant; no se trata de una capacidad universal disponible en todos los robots.

Robot autónomo de limpieza ajusta su recorrido en el pasillo de una tienda

Del recorrido guiado a la planificación

El método conocido como “enseñar y repetir” requiere que un operador conduzca primero el robot por el trayecto deseado. El equipo registra esa ruta y luego la reproduce de forma autónoma. Es un procedimiento directo, pero puede requerir intervención si el diseño del lugar cambia o aparecen obstáculos en el recorrido.

Según Brain Corp, SelfPath AI permite que el robot evalúe el espacio y determine por sí mismo recorridos de limpieza. La empresa también afirma que puede reajustar la ruta cuando cambia la distribución del entorno. En vez de limitarse a repetir un trayecto previamente trazado, la máquina planifica cómo cubrir el área.

Robótica de enjambre y sus modelos de control centralizado y descentralizado

En la robótica de enjambre, la arquitectura de control define cómo se coordinan los robots y gestionan sus recursos. Un modelo centralizado concentra la supervisión en un sistema común; uno descentralizado distribuye las decisiones entre las unidades. La elección afecta la sincronización, la respuesta ante fallos y la capacidad de ampliar el sistema, aunque no existe una opción superior para todas las aplicaciones.

Grupo de robots móviles coordinados en una fábrica mediante control centralizado y comunicación distribuida

En un enjambre robótico, la diferencia entre control centralizado y descentralizado está en quién toma las decisiones y qué información puede usar. Un centro puede planificar el conjunto con una visión global; los robots también pueden decidir localmente a partir de sus propios sensores y de los mensajes de sus vecinos. La elección depende de la tarea, las comunicaciones y la forma en que el sistema debe responder a los fallos.