Mostrando las entradas con la etiqueta Automatización. Mostrar todas las entradas
Mostrando las entradas con la etiqueta Automatización. Mostrar todas las entradas

martes, 3 de noviembre de 2026

RoboBusiness cambia a Robotics Summit & Expo West en 2027

RoboBusiness cambia a Robotics Summit & Expo West en 2027

RoboBusiness no desaparece como comunidad profesional, pero sí dejará de usar ese nombre en su edición de la costa oeste. La organización anunció que el evento de Santa Clara, California, pasará a llamarse Robotics Summit & Expo West a partir de octubre de 2027. El cambio busca reflejar una industria que ya no solo presenta prototipos, sino que debe fabricar, desplegar y mantener robots en entornos reales.

La edición de RoboBusiness celebrada el 20 y 21 de octubre de 2026 funcionó, por tanto, como cierre de una etapa de marca. No significa que la robótica comercial haya llegado a su final. Significa que el foco del encuentro se desplaza hacia los problemas que aparecen después de una demostración exitosa: producción, integración, soporte, datos de campo y rentabilidad.

Ilustración de Expo West para el 2027

¿Qué cambia con el nuevo evento?

Según la organización, Robotics Summit & Expo West estará orientado a equipos que intentan llevar una solución desde la prueba de concepto hasta varios clientes o instalaciones. Ese proceso exige resolver asuntos que suelen quedar fuera de una demostración: cómo conectar el robot con los sistemas existentes, cómo supervisar una flota, cómo atender fallos a distancia y cómo medir si la automatización produce un retorno razonable.

El evento tendrá un enfoque distinto al de Robotics Summit & Expo de Boston. El encuentro de Boston se concentra en los retos técnicos de diseñar y construir robots. El de Santa Clara tratará la etapa comercial y operativa: escalar el producto, aprender de su uso en campo y sostener el negocio que lo respalda. La página oficial indica que la edición West está prevista para octubre de 2027, aunque la inscripción todavía no está abierta.

domingo, 1 de noviembre de 2026

Robots biomiméticos: aplicaciones reales y límites

Los robots biomiméticos imitan características de animales para resolver problemas concretos de movilidad, inspección o asistencia. Algunos ya han sido probados en rescates y laboratorios, pero muchos todavía son prototipos y no productos disponibles para cualquier empresa.

La utilidad de copiar a la naturaleza no está en crear máquinas con apariencia animal, sino en aprovechar mecanismos que permiten avanzar por terrenos difíciles, adherirse a superficies o entrar en espacios pequeños.

Robot biomimético con forma de animal utilizado para inspección, rescate o investigación.

Robots insecto para buscar sobrevivientes

Uno de los casos más llamativos son las cucarachas cyborg desarrolladas por investigadores de la Universidad Tecnológica de Nanyang, la agencia HTX y la empresa Klass Engineering and Solutions. Cada insecto lleva una mochila electrónica con cámara térmica y sensores. Los impulsos eléctricos permiten orientar su movimiento de forma remota.

La tecnología fue utilizada en 2025 durante la misión de ayuda de Singapur en Myanmar después de un terremoto. Según la División del Servicio Público de Singapur, se desplegaron diez cucarachas de Madagascar para revisar zonas del derrumbe demasiado estrechas, inestables o peligrosas para una persona. No se encontraron sobrevivientes, pero la experiencia permitió evaluar el sistema en condiciones reales.

Este ejemplo también muestra sus límites: los insectos pueden localizar señales y enviar datos, pero no pueden retirar escombros ni sustituir a los equipos de rescate. Todavía se necesita personal que controle el despliegue, interprete la información y actúe sobre el terreno.

jueves, 22 de octubre de 2026

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.

Brazo robótico industrial manipulando objetos en un entorno de laboratorio con iluminación profesional.

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".

lunes, 12 de octubre de 2026

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.

Robot humanoide intentando doblar una camiseta arrugada en un cuarto de lavandería moderno.

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.

domingo, 11 de octubre de 2026

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.

Comparativa visual entre un brazo robótico industrial especializado y un robot humanoide en un entorno de almacén.

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.

viernes, 9 de octubre de 2026

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.

Ingeniero mecatrónico trabajando en sistemas de control robótico dentro de un laboratorio de aceleradores de partículas.

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.

miércoles, 7 de octubre de 2026

FireDome y su sistema robótico autónomo para la defensa contra incendios

La startup californiana FireDome ha presentado una solución tecnológica diseñada para cerrar la brecha entre la detección temprana de incendios y la respuesta efectiva de los equipos de emergencia. A diferencia de las tecnologías convencionales, que se limitan a alertar sobre la presencia de fuego, este sistema funciona como una batería de artillería autónoma capaz de desplegar retardante o agua de forma proactiva para proteger infraestructuras críticas y comunidades.

El sistema, que se encuentra en fase de desarrollo y pruebas, surge como respuesta a la creciente amenaza de los incendios en la interfaz urbano-forestal (WUI). Según Gadi Benjamini, CEO y cofundador de la compañía, el objetivo es actuar antes de que las llamas alcancen estructuras vulnerables, evitando el efecto dominó causado por las brasas voladoras, responsables de gran parte de las pérdidas materiales en incendios forestales.

Sistema robótico autónomo de FireDome lanzando retardante de fuego en una zona forestal al atardecer.

Arquitectura del sistema y funcionamiento técnico

La solución de FireDome integra robótica de campo, sensores ambientales y algoritmos de toma de decisiones. El despliegue se divide en tres capas operativas:

  • Perímetro de seguridad: Creación de líneas cortafuegos mediante el lanzamiento de retardante alrededor de la propiedad.
  • Protección de estructuras: Recubrimiento preventivo de techos y paredes para evitar la ignición por brasas.
  • Supresión reactiva: Detección y extinción de focos secundarios mediante el uso de sensores y cámaras integradas.

lunes, 5 de octubre de 2026

IA física y robótica para fortalecer la seguridad en infraestructuras

La seguridad física ha dejado de ser una cuestión de barreras estáticas. En 2026, la inversión global en soluciones que integran inteligencia artificial (IA) física y robótica ha superado los 23 mil millones de dólares. Este capital busca transformar maquinaria tradicional en agentes adaptativos capaces de proteger infraestructuras críticas, como plantas de manufactura y centros de datos, frente a un panorama de amenazas cada vez más sofisticado.

Mientras que la robótica aporta la movilidad y el "cuerpo" físico, la IA actúa como el "cerebro", permitiendo que los sistemas no solo reaccionen ante incidentes, sino que los anticipen. Esta evolución es vital para mitigar riesgos derivados de la convergencia ciberfísica, donde un ataque a la red puede comprometer la integridad de activos físicos.

Robot cuadrúpedo patrullando un centro de datos industrial con sensores avanzados.

Desafíos actuales en la seguridad industrial

Las organizaciones enfrentan tres pilares de riesgo que complican la protección de sus activos:

  • Convergencia ciberfísica: La interconexión de cámaras, sensores y sistemas de control de acceso crea vulnerabilidades. Si la plataforma central es comprometida, todo el ecosistema queda expuesto.
  • Limitaciones de sistemas legados: El uso de hardware y software antiguo impide una defensa preventiva, limitando al personal a una postura puramente reactiva.
  • Volatilidad global: Las tensiones geopolíticas y socioeconómicas han incrementado la frecuencia de ataques, incluyendo incidentes de ingeniería social que pueden paralizar cadenas de producción completas, con impactos económicos millonarios.

sábado, 3 de octubre de 2026

Robot biohíbrido del MIT utiliza células musculares vivas para nadar

Un equipo de investigadores del MIT ha presentado un avance significativo en el campo de la robótica biohíbrida: un robot de diseño ultra delgado capaz de desplazarse en medios acuáticos utilizando únicamente una capa de células musculares vivas. A diferencia de los sistemas robóticos convencionales, este dispositivo prescinde de motores, baterías o circuitos integrados a bordo, delegando la propulsión y la dirección a estímulos lumínicos externos.

El robot, con dimensiones comparables a una barra de chicle (aproximadamente 15 mm de largo y 0,5 mm de espesor), integra tejido muscular diseñado genéticamente para contraerse al recibir luz. Este mecanismo permite que el dispositivo nade a través de un laberinto en una placa de Petri, respondiendo con precisión a los comandos de un operador que guía sus movimientos mediante un haz de luz.

Robot biohíbrido de gel con tejido muscular nadando en una placa de Petri bajo un haz de luz.

Desafíos técnicos y diseño estructural

El principal reto en la ingeniería de estos dispositivos es la eficiencia en la transferencia de fuerza. Según Ritu Raman, profesora asociada de ingeniería mecánica en el MIT, el desplazamiento en agua requiere una fuerza considerable, especialmente a escalas tan reducidas. En iteraciones previas, el uso de geles de fibrina demasiado blandos provocaba deformaciones no deseadas cuando las células musculares se contraían.

Para solucionar este inconveniente, el equipo implementó cambios clave en la arquitectura del robot:

  • Sustrato rígido: Se sustituyó el gel original por una base de gelatina más firme.
  • Patrones de alineación: Se estamparon ranuras de base cuadrada en la superficie del gel, lo que obliga a las células a alinearse y fusionarse en fibras musculares más eficaces.
  • Optimización biológica: El tejido fue sometido a un entrenamiento diario de 15 minutos mediante pulsos de luz, logrando cuadruplicar el desplazamiento de las aletas en comparación con grupos no estimulados.

Cómo la simulación y la IA están acelerando el aprendizaje de los robots

El entrenamiento de robots mediante inteligencia artificial enfrenta obstáculos críticos: la eficiencia en el procesamiento de datos, la capacidad de escalar los modelos y, fundamentalmente, la brecha entre la simulación y el mundo real (conocida como sim-to-real gap). Michelle Lu, cofundadora y CEO de Vsim Technology, aborda estos retos en el episodio 164 del podcast Robot Talk, analizando cómo las herramientas actuales están transformando la forma en que las máquinas adquieren nuevas habilidades.

Lu, quien anteriormente lideró el área de tecnología de simulación en NVIDIA, fue una pieza clave en el desarrollo de Isaac Gym. Este framework marcó un hito al ser el primero en implementar el aprendizaje por refuerzo (RL) acelerado por GPU de extremo a extremo, estableciendo un estándar técnico que hoy guía gran parte de la investigación en robótica avanzada.

Brazo robótico interactuando con una simulación digital de IA en una pantalla de alta tecnología.

Superando la brecha sim-to-real

Uno de los mayores problemas en la automatización es que un robot entrenado en un entorno virtual a menudo falla al ser desplegado en un entorno físico debido a las diferencias en la fricción, la inercia y la dinámica del mundo real. Según la experta, la clave para mitigar esta discrepancia radica en dos pilares:

  • Simulación de alta fidelidad: Utilizar entornos virtuales que repliquen con precisión las leyes de la física.
  • Escalabilidad del entrenamiento: Aprovechar la potencia de cálculo de las GPU para ejecutar miles de iteraciones de aprendizaje por refuerzo simultáneamente, permitiendo que el robot aprenda en horas lo que antes tomaba meses.

sábado, 5 de septiembre de 2026

Convocatoria 2026 para startups de robótica del Startup Radar

The Robot Report abrió las postulaciones para el Robotics Startup Radar 2026, su listado anual de startups de robótica emergentes. Pueden participar empresas de hasta cinco años que desarrollen sistemas completos, tecnologías habilitadoras o modelos de negocio novedosos. La fecha límite para enviar la postulación es el martes 6 de octubre de 2026.

La convocatoria no está limitada a un sector. El medio acepta propuestas de movilidad autónoma, robots humanoides, automatización industrial y otras áreas, siempre que la startup presente una tecnología o enfoque con potencial para destacar en el sector.

Equipo de emprendedores presenta un prototipo de robot en un espacio de trabajo tecnológico

Quiénes pueden postular

El Robotics Startup Radar busca empresas jóvenes con proyectos diferenciados. Según la convocatoria, pueden postular startups que ofrezcan:

  • Sistemas robóticos completos.
  • Tecnologías habilitadoras para otros desarrolladores o fabricantes.
  • Modelos de negocio novedosos aplicados a la robótica.

El sistema puede orientarse a cualquier industria o aplicación. La participación no garantiza aparecer en la lista final: después de cerrar las postulaciones, el equipo editorial de The Robot Report evaluará cada propuesta.

martes, 1 de septiembre de 2026

Por qué unas mejores pinzas pueden impulsar la IA física

La inteligencia artificial física no depende solo de modelos capaces de reconocer objetos y proponer acciones: también necesita herramientas que ejecuten esas decisiones y comuniquen qué ocurre al tocar el entorno. Un artículo de The Robot Report sostiene que las pinzas adaptables, combinadas con sensores de contacto y retroalimentación, pueden ayudar a que los robots manipulen objetos con mayor fiabilidad en situaciones variables.

Pinza robótica con sensores sujeta una pieza sobre una mesa de trabajo

El contacto completa la percepción

Una cámara puede localizar una pieza, pero no siempre permite saber si la pinza la sujetó bien, si está resbalando o si se encontró con resistencia durante una inserción. Esa información surge cuando el robot entra en contacto con el objeto.

Por eso, además de visión y simulación, los sistemas de manipulación pueden beneficiarse de señales físicas como la fuerza aplicada, el torque, la proximidad y el estado del agarre. Con esos datos, el controlador puede comprobar si la acción prevista ocurrió y ajustar su respuesta si las condiciones cambian.

jueves, 27 de agosto de 2026

IDS Nion amplía la visión 3D ToF para robótica y automatización

IDS Imaging Development Systems amplió su línea de cámaras 3D con Nion, un modelo industrial de tiempo de vuelo o ToF que genera datos de profundidad con resolución de 1,2 megapíxeles. La empresa indica que ya se encuentra en producción en serie y que entrega imágenes de profundidad a hasta 30 cuadros por segundo.

La cámara está dirigida a aplicaciones de logística, automatización y robótica que requieren información tridimensional con objetos en movimiento o cambios en la iluminación. El procesamiento de profundidad integrado permite obtener esos datos sin añadir un módulo externo dedicado a esa tarea.

Cámara 3D IDS Nion midiendo la profundidad de cajas en movimiento dentro de un almacén

Cómo funciona la medición ToF

Una cámara de tiempo de vuelo ilumina la escena y mide cuánto tarda la luz reflejada en regresar al sensor. Con ese tiempo calcula la distancia a los objetos y genera información de profundidad. En el caso de Nion, IDS utiliza un sensor indirecto ToF de onsemi, de la familia Hyperlux ID.

La cámara puede complementar sistemas de visión 2D existentes: una imagen convencional aporta color y textura, mientras que el mapa de profundidad agrega información sobre la distancia y la forma tridimensional de la escena.

miércoles, 19 de agosto de 2026

Serve Robotics implementa robots de entrega autónomos con Grubhub

Serve Robotics Inc., desarrollador de robots de entrega en aceras, anunció esta semana una alianza con Grubhub, subsidiaria de Wonder, para ofrecer entregas robóticas autónomas en el marketplace de Grubhub. El servicio comenzará en Chicago, Los Ángeles y Alexandria, Virginia, marcando una expansión significativa de la red de entrega autónoma de Serve.

La entrega robótica estará disponible inicialmente desde más de 100 restaurantes participantes de Grubhub en Chicago y casi 200 en Los Ángeles, con restaurantes adicionales esperados para unirse al programa con el tiempo. Como parte de la alianza, la ubicación de Wonder en Alexandria también ofrecerá entrega robótica a través de la red autónoma de Serve.

Robot de entrega autónomo Serve Robotics con logo de Grubhub navegando por acera urbana

Contexto: transición desde Uber Eats

Esta alianza llega días después de que la relación de varios años de Serve Robotics con Uber Eats llegara a su fin. La compañía, conocida por sus robots cuadrangulares de cuatro ruedas entregando órdenes de Uber Eats y DoorDash, ahora busca diversificar sus plataformas de entrega.

Serve Robotics se originó como un spin-out de Postmates (adquirido por Uber) en 2021, y ha operado una flota comercial de robots de entrega autónoma de Nivel 4 a través de 20 ciudades estadounidenses.

Especificaciones de la implementación

La implementación inicial de la alianza con Grubhub incluye características específicas: