Robótica global en 2026: cifras, datos y retos

La robótica crece, pero sus retos ya no son solo técnicos

La industria robótica mundial superó los cinco millones de robots industriales operativos en 2025. Al mismo tiempo, la inteligencia artificial física, la recopilación de datos humanos y el debate sobre armas autónomas muestran que el desafío ya no consiste únicamente en fabricar máquinas más rápidas: también hay que decidir cómo se entrenan, cómo actúan y quién responde por sus decisiones.

China concentra la mayor parte de las nuevas instalaciones

Según la Federación Internacional de Robótica (IFR), las fábricas instalaron más de 600.000 robots industriales durante 2025, un 11 % más que el año anterior. El parque operativo mundial creció un 9 % y llegó a unos cinco millones de unidades.

China instaló aproximadamente 354.000 robots, equivalentes al 59 % de las nuevas instalaciones globales. Estados Unidos pasó al segundo lugar con casi 38.500 unidades, por delante de Japón. Europa tuvo un comportamiento desigual: las instalaciones bajaron un 8 % en Alemania, un 11 % en Italia, un 8 % en Francia y un 15 % en España.

La IFR proyecta 655.000 instalaciones en 2026 y 806.000 en 2029. Son previsiones, no resultados garantizados. Dependen de la inversión industrial, la disponibilidad de componentes, las políticas comerciales y la capacidad de las empresas para integrar robots en procesos reales.

Dream Labs lanza Dream API para dotar de inteligencia a cualquier robot

Un nuevo cerebro para la robótica industrial

La startup Dream Labs ha marcado un hito en el sector de la automatización al anunciar una ronda de financiación de 90 millones de dólares. El objetivo principal de esta inversión es el lanzamiento de Dream API, una interfaz de programación diseñada para cerrar la brecha entre el hardware robótico y la inteligencia artificial avanzada. Esta tecnología permite que robots de diversos fabricantes, incluso aquellos que nunca han interactuado previamente con el sistema, puedan ejecutar comandos complejos mediante instrucciones en lenguaje natural y procesamiento de video.

A pesar de que existen cerca de 5 millones de robots industriales en funcionamiento a nivel global, la gran mayoría están limitados a tareas específicas y carecen de la capacidad de transferir conocimientos entre distintas plataformas. Dream Labs busca cambiar este paradigma permitiendo que el software actúe como un "cerebro universal" independiente del hardware.

Cómo funciona el modelo Dream-1

El núcleo de esta innovación es el modelo Dream-1. A diferencia de los sistemas tradicionales que requieren meses de programación especializada, este modelo ha sido entrenado mediante la observación de videos de humanos ejecutando tareas cotidianas. Gracias a este entrenamiento, el sistema puede predecir acciones y generar comandos motores de manera autónoma.

Según Joel Jang, CEO de Dream Labs, la analogía es similar a conducir un auto de alquiler: "Cuando te subes a un vehículo nuevo, no vuelves a aprender a conducir; simplemente buscas los controles y tu experiencia previa hace el resto. Dream-1 aborda un nuevo robot de la misma manera, permitiendo que comience a trabajar en minutos".

Nori A3: qué ofrece este robot doméstico de US$1.688

El Nori A3 es un robot móvil de dos brazos que la empresa Nori Robotics ofrece por US$1.688. Su propuesta no es sustituir de inmediato a una persona en todas las labores domésticas: está pensado como una plataforma que el propietario puede programar, entrenar y adaptar a tareas concretas.

Puede desplazarse por una vivienda, sujetar objetos y trabajar a distintas alturas, pero su utilidad real depende de la habilidad entrenada, el entorno y la supervisión. Por eso conviene verlo más como un proyecto de robótica aplicada que como un electrodoméstico listo para usar.

Qué es el Nori A3

Nori Robotics describe el A3 como un manipulador móvil bimanual ensamblado en Estados Unidos. Su base utiliza ruedas y una columna telescópica para acercar la cabeza y los brazos a objetos del suelo o de una encimera. El artículo técnico publicado en arXiv lo describe como un sistema de 19 grados de libertad, con una huella aproximada de 45 × 45 centímetros y un peso de 20,4 kilogramos.

Cada brazo tiene siete grados de libertad más la pinza y una carga útil anunciada de 1,5 kilogramos por brazo. Esto permite experimentar con objetos cotidianos ligeros, pero no significa que el robot pueda levantar cajas pesadas ni manipular cualquier utensilio con seguridad.

El futuro de la robótica mediante el codesarrollo de cuerpos y cerebros

La convergencia entre hardware y software en la robótica moderna

El diseño tradicional de sistemas robóticos suele separar el desarrollo del hardware de la programación de sus algoritmos. Sin embargo, esta metodología está siendo desafiada por investigadores como la Dra. Rika Antonova, profesora asociada de la Universidad de Cambridge. En el episodio 166 del podcast Robot Talk, Antonova analiza cómo la evolución conjunta de los cuerpos robóticos y sus "cerebros" (algoritmos de inteligencia artificial) es la clave para superar las limitaciones actuales de la automatización.

El enfoque de la investigadora se centra en el co-diseño, una disciplina que busca optimizar la estructura física de un robot simultáneamente con su software de control. Al permitir que el hardware y el algoritmo se adapten el uno al otro desde la fase de diseño, es posible lograr sistemas más eficientes, capaces de aprender tareas complejas con un menor consumo de datos.

Pilares de la investigación en co-diseño robótico

La trayectoria de Antonova, que incluye su paso por Google, Stanford y el KTH Royal Institute of Technology, le ha permitido identificar áreas críticas para avanzar en la autonomía de las máquinas:

• Descubrimiento automático de algoritmos: La automatización del proceso de creación de software permite que los robots encuentren soluciones óptimas a problemas de navegación o manipulación sin intervención humana constante.
• Aprendizaje por refuerzo eficiente en datos: Uno de los mayores retos en robótica es la cantidad de tiempo y datos necesarios para entrenar un modelo. Antonova investiga cómo mejorar la eficiencia para que los robots aprendan más rápido y con menos ejemplos.
• Exploración y aprendizaje activo: El desarrollo de sistemas que deciden por sí mismos qué información necesitan recolectar de su entorno para mejorar sus habilidades.

Soluciones de movimiento de Timken para optimizar robots humanoides

El desafío del movimiento en la robótica humanoide

El desarrollo de robots humanoides representa uno de los retos de ingeniería más complejos de la actualidad. Los diseñadores deben lograr un equilibrio crítico entre torque, velocidad, rigidez, peso y precisión posicional, todo dentro de espacios extremadamente limitados. La plataforma Timken Precision Drives ha sido estructurada precisamente para abordar estas variables, integrando tecnologías especializadas bajo el respaldo de The Timken Company.

Más que ofrecer componentes aislados, el enfoque de la compañía se centra en el análisis de la aplicación antes de la selección del hardware. Para los ingenieros, esto significa evaluar qué tipo de movimiento requiere cada articulación específica, desde las piezas que soportan carga hasta los mecanismos compactos de las muñecas y efectores finales.

Ecosistema tecnológico para la precisión

La plataforma unifica diversas especialidades técnicas para cubrir necesidades de movimiento que varían drásticamente según la parte del robot. El portafolio incluye:

• Cone Drive: Especialistas en engranajes de onda de deformación (strain wave gearing), ideales para aplicaciones que exigen alta densidad de torque, diseño compacto y posicionamiento con juego cero (zero-backlash).

El papel de la robótica en la estrategia de reshoring industrial en 2026

El desafío de la relocalización industrial

La tendencia del reshoring —el retorno de la producción industrial a los países de origen— se ha convertido en una prioridad geopolítica y económica. Sin embargo, la viabilidad de este proceso depende en gran medida de la capacidad de las empresas para automatizar sus plantas de manera eficiente. En el marco de RoboBusiness 2026, que se celebrará el 20 y 21 de octubre en Santa Clara, California, un panel de expertos analizará cómo la robótica puede actuar como el habilitador clave para que la manufactura regrese a Estados Unidos.

A pesar de que gran parte de la automatización industrial actual proviene de proveedores extranjeros, existe un debate abierto sobre si las políticas arancelarias y las restricciones de importación son suficientes para fomentar este cambio. El panel buscará ir más allá de la política, explorando el papel de la estrategia nacional de robótica, el desarrollo de la fuerza laboral y los desafíos críticos en la cadena de suministro global.

Expertos en la vanguardia de la política robótica

El panel contará con figuras clave que combinan experiencia legal, técnica y de políticas públicas:

• Michael Bearman (Vecna Robotics): Especialista en infraestructura física a escala nacional y estándares de interoperabilidad robótica.
• Dr. Henrik I. Christensen (UC San Diego): Autor principal de la Hoja de Ruta Nacional de Robótica de EE. UU. y experto en sistemas autónomos.
• Dra. Ellie Sakhaee (Google): Líder en políticas de IA emergente, enfocada en la seguridad y la mitigación de riesgos en sistemas de vanguardia.
• Brendan Schulman (Boston Dynamics): Experto en la integración ética de robots avanzados en la sociedad y en la creación de marcos regulatorios.

BeetleBot el microrobot que camina y agarra objetos sin usar motores

La evolución de la robótica blanda: el caso de BeetleBot

La miniaturización en la robótica enfrenta un obstáculo fundamental: los componentes electromecánicos convencionales, como motores y engranajes, son demasiado voluminosos y complejos para escalas reducidas. Investigadores del Instituto Avanzado de Ciencia y Tecnología de Corea (KAIST) han propuesto una alternativa disruptiva con BeetleBot, un microrobot bioinspirado que prescinde de motores tradicionales para ejecutar movimientos complejos.

Publicado en la revista Science Advances, este desarrollo imita la anatomía y la locomoción de los escarabajos. El robot es capaz de desplazarse hacia adelante, realizar giros y manipular objetos mediante el uso de músculos artificiales fabricados con elastómero de cristal líquido (LCE).

Tecnología de actuación mediante elastómeros

El núcleo del funcionamiento de BeetleBot reside en el material LCE, el cual posee propiedades termomecánicas únicas: se contrae al ser calentado y recupera su forma original al enfriarse. La fabricación de estos actuadores se realizó mediante una técnica de impresión 3D conocida como direct ink writing.

• Calentamiento controlado: Se integraron elementos calefactores metálicos flexibles entre las capas de LCE.
• Respuesta eléctrica: Al aplicar un voltaje de 3 V, el material se contrae hasta un 45% de su longitud original.
• Ciclos reversibles: La alternancia de la corriente eléctrica permite generar movimientos repetitivos y coordinados.

La IA de ElliQ se expande en Nueva York para combatir la soledad en adultos

Un nuevo acuerdo para la asistencia robótica

La Oficina para el Envejecimiento del Estado de Nueva York (NYSOFA) ha formalizado una extensión de tres años en su colaboración con Intuition Robotics. Este acuerdo, valorado en 2.1 millones de dólares, busca ampliar el alcance de ElliQ, un robot de inteligencia artificial diseñado específicamente para mitigar la soledad y el aislamiento social en adultos mayores. La iniciativa, que ya cuenta con tres años de trayectoria, se ha consolidado como una herramienta clave para fomentar la independencia de los usuarios dentro de sus propios hogares.

Arquitectura de la interacción: ¿Cómo funciona ElliQ?

A diferencia de los asistentes de voz convencionales, ElliQ emplea una arquitectura de IA diseñada para la proactividad. El sistema no se limita a responder comandos; su núcleo funcional reside en la capacidad de extraer y clasificar recuerdos de conversaciones previas. Al jerarquizar la relevancia de los datos, el robot logra inyectar contexto en futuras interacciones, construyendo una sensación de familiaridad y confianza con el usuario.

Los datos reportados en 2026 subrayan la eficacia de este enfoque técnico:

• Frecuencia de uso: Los participantes interactúan con el dispositivo un promedio de 48 veces al día.
• Compromiso activo: El 88% de los usuarios mantiene conversaciones bidireccionales de forma mensual.
• Salud física: El 81% de los adultos mayores reporta haber incrementado su actividad física gracias a las sugerencias del robot.

NVIDIA Isaac ROS 5.0 revoluciona la robótica con agentes inteligentes

La nueva era de la robótica asistida por agentes

NVIDIA ha presentado Isaac ROS 5.0, una actualización mayor de su ecosistema de paquetes acelerados por GPU diseñado para el sistema operativo de robots (ROS). Este lanzamiento, anunciado en el marco de la conferencia ROSCon en Toronto, marca un cambio de paradigma al introducir flujos de trabajo agénticos, permitiendo que los desarrolladores y los agentes de IA colaboren de forma más eficiente en la creación, personalización y despliegue de aplicaciones robóticas.

La integración de agentes inteligentes en el ciclo de desarrollo permite automatizar tareas repetitivas, navegar por bases de código complejas y acelerar la transición desde el prototipo conceptual hasta la implementación funcional. Esta versión es compatible con ROS Lyrical y el sistema operativo Ubuntu 24.04, garantizando que los usuarios puedan aprovechar las últimas herramientas del ecosistema open source mientras mantienen el rendimiento de cómputo acelerado por NVIDIA.

Capacidades técnicas y optimización

Uno de los pilares de Isaac ROS 5.0 es la estandarización de las interfaces de manejo de datos. Gracias a la colaboración con la Open Source Robotics Alliance, se ha implementado una arquitectura que permite que el software robótico opere de manera eficiente sobre diversos tipos de hardware, con CUDA como referente principal para la aceleración de tareas mediante GPU.

Entre las nuevas funcionalidades destacadas se encuentran:

• FoundationStereo: Una herramienta de ajuste fino que permite a los agentes de IA adaptar modelos de percepción estéreo a cámaras y entornos específicos del usuario.
• FoundationPose: Librería de inferencia optimizada que mejora hasta 5.5 veces la velocidad en la estimación y seguimiento de la posición y orientación de objetos.
• Flujos de trabajo de manipulación: Nuevas habilidades preconfiguradas para tareas de "pick and place" (recogida y colocación), que integran detección, estimación de profundidad y salida de pose de forma autónoma.

Promise Robotics y D.R. Horton revolucionan la construcción con IA física

Un nuevo paradigma en la construcción residencial

La industria de la construcción, históricamente caracterizada por su fragmentación y resistencia a la adopción tecnológica, está frente a un cambio significativo. Promise Robotics, una empresa con sede en Toronto, ha anunciado un acuerdo multianual con D.R. Horton, el mayor constructor de viviendas por volumen en Estados Unidos, para implementar su tecnología de IA física en la edificación de más de 1,250 hogares.

A diferencia de la manufactura automotriz, donde la estandarización permite una producción masiva y repetible, la construcción de viviendas enfrenta el desafío de la variabilidad constante. Cada proyecto presenta diseños, terrenos y normativas diferentes, lo que dificulta la automatización tradicional.

La propuesta de valor: Factory-as-a-Service (FaaS)

El modelo de negocio de Promise Robotics, denominado Factory-as-a-Service (FaaS), permite a las empresas constructoras acceder a infraestructura de producción avanzada sin los riesgos financieros o la complejidad operativa que implicaría desarrollar sus propias plantas robóticas. Este sistema integra:

• Software de traducción de diseño: Interpreta planos arquitectónicos existentes para generar instrucciones precisas para los robots.
• Planificación de producción: Orquesta el flujo de trabajo desde la manufactura automatizada hasta la logística de instalación en sitio.
• Sistemas de manufactura robótica: Utiliza brazos industriales, como los de KUKA, para ensamblar componentes estructurales con alta precisión.

WorMa el robot bioinspirado que usa transferencia de fluidos para moverse

Innovación en locomoción robótica: El concepto WorMa

La biomimética continúa siendo una fuente inagotable de soluciones para la ingeniería moderna. Un equipo de investigadores de la Tandon School of Engineering de la Universidad de Nueva York (NYU) ha presentado WorMa, un robot inspirado en la morfología de los gusanos diseñado específicamente para enfrentar la complejidad de los entornos costeros, donde la transición entre tierra firme, pendientes rocosas y cuerpos de agua representa un desafío técnico significativo para los sistemas robóticos convencionales.

El dispositivo mide 50 cm de longitud y pesa poco más de 1 kilogramo. Su estructura se compone de cinco segmentos articulados unidos por cuatro juntas, pero su innovación más destacada reside en su sistema de gestión de centro de masa. El robot integra dos vejigas de látex, ubicadas estratégicamente en su cabeza y cola, que contienen un total de 300 gramos de agua. Una bomba interna permite transferir este fluido entre ambos extremos, modificando activamente el centro de gravedad del robot según las necesidades del terreno.

Dinámica de desplazamiento y adaptación al entorno

El control del peso es la clave operativa de WorMa. Al desplazar la masa líquida, el robot optimiza su tracción y estabilidad sin necesidad de actuadores mecánicos complejos en cada extremidad:

• Ascenso en pendientes: Al mover el agua hacia la sección frontal, el robot aumenta la presión sobre la superficie, logrando escalar inclinaciones de hasta 19.5 grados con mayor agarre.
• Navegación acuática: Al invertir el proceso y concentrar el peso en la cola, el robot mejora su hidrodinámica, permitiéndole desplazarse un 26% más rápido en el agua.
• Transición tierra-agua: El sistema permite que el robot ajuste su peso hacia adelante al salir del agua, proporcionando la tracción necesaria para superar el borde de la orilla.

Por qué la colada es el desafío definitivo para los robots humanoides

Más allá de los récords de velocidad

En los recientes World Humanoid Robot Games 2026 celebrados en Beijing, la industria robótica demostró avances impresionantes. Máquinas como el Tiangong Ultra lograron completar los 100 metros planos en 8.64 segundos, superando el récord mundial de Usain Bolt. Si bien estas hazañas atléticas —que incluyen boxeo, fútbol y tareas industriales— son hitos de ingeniería en cuanto a control de articulaciones, equilibrio y generación de fuerza, no representan la verdadera prueba de fuego para la robótica de propósito general.

La comunidad científica coincide en que, para que un robot sea útil en entornos cotidianos como hogares o centros de cuidado, debe superar una tarea mucho menos glamorosa pero significativamente más compleja: hacer la colada.

El problema de la imprevisibilidad

A diferencia de una pista de atletismo, donde el entorno es estático y los objetivos son claros, el proceso de lavar y doblar ropa presenta desafíos dinámicos que la IA actual aún lucha por resolver:

• Geometría variable: Las prendas son objetos blandos que cambian de forma constantemente. Al levantar una esquina, el resto de la tela se desplaza de manera impredecible.
• Estado del objeto: Una prenda puede estar del revés, enredada con otra o tener pliegues que dificultan el reconocimiento visual.
• Entornos no estructurados: Mientras que en una fábrica las piezas llegan en posiciones predefinidas, un hogar es un entorno caótico donde los objetos se mueven y las condiciones cambian.

Para un humano, sacudir una camisa o ajustar el agarre cuando la tela se desliza es una acción intuitiva. Para un robot, cada uno de estos micro-movimientos requiere una capacidad de percepción y adaptación en tiempo real que va mucho más allá de la simple repetición de trayectorias programadas.

FiberMotor el innovador actuador flexible para la nueva era de la robótica

Un avance en la robótica blanda

La integración de componentes rígidos en robots diseñados para ser flexibles ha sido, históricamente, una contradicción técnica. Para resolver este desafío, investigadores de la École Polytechnique Fédérale de Lausanne (EPFL) han presentado el FiberMotor, un actuador lineal en formato de fibra que mantiene la flexibilidad y la suavidad de los sistemas robóticos modernos sin sacrificar la capacidad de movimiento.

Este dispositivo, descrito recientemente en la revista Advanced Materials, se aleja de los motores electromagnéticos convencionales que requieren engranajes o transmisiones voluminosas. En su lugar, utiliza una arquitectura de fibra dentro de otra fibra, lo que permite una integración fluida en materiales blandos, textiles inteligentes y dispositivos protésicos.

Arquitectura técnica y funcionamiento

El FiberMotor destaca por su diseño compacto, con un diámetro que oscila entre 1 y 3 milímetros. Su estructura se basa en dos fibras poliméricas huecas dispuestas de forma concéntrica. El mecanismo de actuación se logra mediante la aplicación de principios electrostáticos:

• Componentes: Cada fibra está recubierta con un devanado de hilo de cobre fino que actúa como electrodo.
• Accionamiento: Al aplicar una corriente eléctrica, las fuerzas electrostáticas generan una atracción que alinea las fibras, provocando que la fibra interna se deslice dentro de la externa.
• Bidireccionalidad: Al no depender de engranajes, el motor es back-driveable. Esto significa que si el sistema recibe una fuerza externa, el motor no se bloquea, permitiendo una interacción más segura y natural con el entorno.

Por qué los robots industriales especializados superan a los humanoides

El dilema entre la forma y la función en la robótica actual

La fascinación mediática por los robots humanoides, capaces de realizar volteretas o manipular objetos con destreza, ha creado una expectativa que a menudo ignora las necesidades reales de la industria. Según Ron Zukerman, director de innovación en Vishay Precision Group, el sector se encuentra atrapado en un pensamiento robot-forward, donde primero se diseña una plataforma física impresionante y luego se busca una tarea que pueda realizar.

Para que la IA física pase de las redes sociales a una escala comercial sostenible, la industria debe invertir este enfoque: el diseño debe comenzar por el flujo de trabajo. La forma del robot debe ser una consecuencia directa de la tarea económica que debe ejecutar, no un objetivo en sí mismo.

El flujo de trabajo dicta los requisitos técnicos

Diseñar una plataforma de propósito general suele comprometer el rendimiento. Un ejemplo claro es la diferencia entre insertar un pin en una línea de ensamblaje automotriz y el empaquetado de pallets en logística:

• Inserción de pines: Requiere una resolución de fuerza inferior a 0.1 N y un ancho de banda de control elevado para detectar atascos antes de que el componente se deforme.
• Paletizado: Demanda alta capacidad de carga, rigidez estructural y durabilidad para soportar millones de ciclos sin deriva mecánica.

Intentar resolver ambos procesos con un mismo sensor de fuerza "promedio" resulta en un sistema ineficiente para ambas tareas. La integración de sensores, como los basados en medición de deformación (strain sensing), debe realizarse en la etapa de arquitectura del diseño y no como un añadido posterior en la lista de materiales.

DirectHop el microrobot saltador que imita la eficiencia de las pulgas

Innovación en locomoción a microescala

La biomimética continúa transformando la robótica moderna. Investigadores de la Universidad de Washington han desarrollado DirectHop, un robot de apenas un gramo de peso diseñado para replicar la eficiencia energética de las pulgas. A diferencia de los insectos voladores, que requieren un gasto constante de energía para mantenerse en el aire, este dispositivo aprovecha el almacenamiento y liberación súbita de energía para realizar saltos verticales, superando obstáculos como escalones estándar.

Mecanismo de salto y control preciso

El desafío técnico más significativo en los robots saltadores convencionales es la gestión de la energía. La mayoría utiliza resortes con mecanismos de "todo o nada", lo que impide ajustar la altura o distancia del salto. DirectHop rompe esta limitación mediante un enfoque distinto:

• Control electrónico: Al modular la corriente eléctrica que llega al motor, es posible determinar con precisión la energía aplicada en cada impulso.
• Sistema de tracción: En lugar de empujar el suelo con las patas, el motor utiliza un sistema de poleas y cuerdas que "tira" del robot hacia arriba, permitiendo saltos controlados tanto en gran altura como en distancias mínimas.
• Estabilidad post-aterrizaje: Para resolver el problema de las caídas, el motor puede desplazar el centro de gravedad del robot, provocando movimientos de balanceo hasta que este recupera su posición vertical.

Por qué la destreza robótica es el cuello de botella de la IA física

Más allá de la demostración: el desafío de la fiabilidad

En el ámbito de la IA física, existe una brecha significativa entre una demostración exitosa y una implementación industrial real. Nicolas Sauvage, presidente de TDK Ventures, sostiene que la destreza robótica no debe medirse por la capacidad de realizar una tarea una sola vez, sino por la habilidad de ejecutar flujos de trabajo completos sin intervención humana. El éxito puntual es insuficiente cuando el objetivo es la automatización a gran escala.

El problema radica en la probabilidad estadística. Si un robot tiene una tasa de éxito del 99% en una acción individual, la probabilidad de completar una secuencia de 100 pasos es apenas del 36.6%. Para que un sistema sea realmente operativo, la industria necesita alcanzar niveles de fiabilidad de "cuatro nueves" (99.99%), donde la probabilidad de éxito en el mismo flujo sube al 99%. Esta diferencia es la que separa un prototipo de laboratorio de una herramienta de trabajo autónoma.

La destreza como sistema integrado

A menudo, la ingeniería se enfoca en el hardware: más grados de libertad, dedos adicionales o articulaciones complejas. Sin embargo, el cliente final no busca complejidad mecánica, sino trabajo útil. La destreza real es un sistema cerrado que integra:

• Percepción: Visión y sensores de contacto.
• Control: Gestión de fuerza, presión y posición.
• Adaptabilidad: Capacidad de ajuste ante variaciones en el entorno o desgaste de componentes.
• Recuperación: Habilidad para detectar un deslizamiento o error y corregirlo antes de que ocurra un fallo crítico.

El tacto, en este sentido, es fundamental. No se trata de dotar al robot de todos los sentidos posibles, sino de proporcionar la información necesaria para que el sistema pueda "sentir" si un objeto se desliza o si la presión aplicada es la adecuada para la tarea.

Una mano robótica camina y manipula usando sus mismos dedos

Investigadores del Soft Robotics Lab de ETH Zúrich adaptaron una mano robótica comercial para que pueda desplazarse sobre sus propios dedos, sostener su peso e interactuar con objetos. La demostración explora una idea de diseño distinta: que una pieza especializada pueda asumir más de una función, en vez de limitarse a ser la herramienta al final de un brazo.

La mano incorpora una batería, sensores y una computadora en un módulo dorsal, por lo que puede operar sin cable. En las pruebas reportadas, gateó sobre 14 superficies, se enderezó tras caerse en 21 de 25 intentos, pulsó teclas y empujó un cubo hacia objetivos con ayuda de una cámara cenital.

Los dedos cumplen tres funciones

En una mano convencional, los dedos están diseñados para sujetar objetos. En este prototipo también funcionan como extremidades para desplazarse y puntos de apoyo. El reto es coordinarlos: al levantar un dedo para dar un paso o presionar una tecla, los demás deben mantener el equilibrio.

El equipo utilizó una mano comercial WUJI sin cambiar su diseño de dedos ni su controlador de posición. Añadió un módulo con energía, sensores y procesamiento; el conjunto pesa 818 gramos y tiene 20 articulaciones motorizadas.

La robótica en retail alcanza su madurez con IA y despliegue a gran escala

El panorama de la automatización en tiendas físicas ha superado la fase de experimentación. Durante el evento Groceryshop 2026, quedó claro que los robots ya no son una novedad tecnológica, sino herramientas operativas listas para escalar. La industria ha dejado atrás las preocupaciones iniciales sobre la interacción con los clientes para centrarse en un objetivo crítico: la inteligencia de estantería basada en datos en tiempo real.

La transición actual marca un cambio de paradigma. Las empresas están pasando de utilizar robots simplemente como plataformas móviles de recolección de datos a convertirlos en sistemas de inteligencia minorista. Este avance permite que la información capturada —como el estado de los inventarios, precios y frescura de los productos— se traduzca en decisiones ejecutables de forma inmediata.

Casos de éxito y nuevas estrategias de despliegue

El mercado está viendo diferentes enfoques para integrar estas tecnologías:

• Escalabilidad masiva: Simbe Robotics ha alcanzado un hito significativo con el despliegue de 3,000 unidades de su robot Tally a nivel global. Su estrategia se centra en proporcionar tableros de análisis avanzados que permiten a los minoristas visualizar el estado de sus tiendas de manera virtual.
• Inteligencia de datos: Badger Technologies está redefiniendo su modelo de negocio, posicionándose como una empresa de inteligencia minorista. Su enfoque actual busca ir más allá de detectar productos agotados, explorando capacidades para estimar niveles de stock y predecir la frescura de los productos perecederos.
• Modelos flexibles: ShelfOptix propone una alternativa para tiendas de formato pequeño (farmacias o tiendas de conveniencia) mediante robots plegables que pueden ser trasladados entre sucursales por personal humano, optimizando así la inversión económica.

Ingeniería detrás de la nueva mano robótica de Boston Dynamics para Atlas

Boston Dynamics ha compartido detalles técnicos sobre la reciente actualización de su efector final para el robot humanoide Atlas. Esta nueva mano, caracterizada por un diseño de cuatro dedos, representa un cambio estratégico hacia la manufactura a gran escala, priorizando la fiabilidad y la destreza sobre la complejidad innecesaria.

Según Alberto Rodríguez, director de comportamiento robótico en Boston Dynamics, el diseño actual es el resultado de un riguroso proceso de toma de decisiones donde se equilibraron factores como la fuerza, la reparabilidad y la transparencia de los actuadores. A diferencia de versiones anteriores, esta unidad ha sido optimizada para integrarse perfectamente en flujos de trabajo de aprendizaje por refuerzo (RL).

Claves técnicas del diseño

La arquitectura de la mano se basa en la modularidad y la simplicidad. Entre sus características más destacadas se encuentran:

• 13 grados de libertad (DoF): Utiliza 13 actuadores idénticos y encapsulados, eliminando cables frágiles que atraviesan las articulaciones.
• Reducción de tamaño: Se ha prescindido del dedo meñique para optimizar el volumen del efector sin comprometer la capacidad de carga, que se mantiene por encima de las 100 libras (aprox. 45 kg).
• Transparencia de actuación: El sistema ha sido diseñado para ser backdrivable, lo que permite que los actuadores detecten fuerzas externas y las transfieran directamente al hardware, facilitando el entrenamiento mediante simulación.

Robótica avanzada para la investigación científica con Kushant Patel

La integración de sistemas robóticos en entornos de investigación de alta precisión, como los aceleradores de partículas, representa uno de los mayores retos para la ingeniería mecatrónica actual. En el episodio 165 del podcast Robot Talk, Kushant Patel, ingeniero en el Brookhaven National Laboratory, detalla cómo el desarrollo de software especializado permite que los robots perciban, mapeen y naveguen con autonomía en infraestructuras científicas críticas.

El trabajo de Patel se centra en la creación de sistemas de control para beamlines (líneas de luz) de sincrotrón, donde la precisión milimétrica es fundamental. A diferencia de la robótica industrial convencional, estos sistemas deben operar en condiciones donde la instrumentación científica es extremadamente sensible y el entorno exige una fiabilidad absoluta.

Trayectoria y especialización en robótica

La experiencia de Kushant Patel abarca diversas áreas críticas de la robótica moderna, lo que le permite abordar problemas complejos desde múltiples perspectivas:

• Robótica móvil y mapeo: Durante su estancia en la Universidad de California, Berkeley, se enfocó en el entrenamiento de robots cuadrúpedos diseñados específicamente para la inspección y el mapeo de materiales nucleares, un entorno de alto riesgo que requiere autonomía robusta.
• Interfaces cerebro-computadora: En la Universidad de California, Davis, trabajó en el desarrollo de sistemas de bucle cerrado (closed-loop), explorando la interacción entre señales biológicas y control robótico.
• Ingeniería de software: Su formación académica en la Universidad de Waterloo le ha permitido consolidar una base técnica sólida para el desarrollo de algoritmos de percepción que permiten a las máquinas interpretar el mundo físico con mayor precisión.