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

martes, 3 de noviembre de 2026

Qué cambia la IA en la ciberseguridad de los robots

Qué cambia la IA en la ciberseguridad de los robots

La inteligencia artificial puede acelerar tanto la búsqueda de vulnerabilidades como la respuesta de los equipos de robótica. VicOne informó que encontró inicialmente 28 hallazgos de tipo zero-day en menos de dos días al analizar software y herramientas relacionadas con la llamada IA física. La cifra y la clasificación todavía podían cambiar después de la revisión de proveedores y autoridades de vulnerabilidades.

El dato no demuestra que 28 robots hayan sido atacados. Indica que ciertos componentes usados para entrenar, simular, probar o controlar sistemas robóticos presentaban posibles debilidades. La diferencia es importante: una vulnerabilidad identificada no equivale automáticamente a una explotación real ni produce el mismo riesgo en todas las instalaciones.

Ingeniero revisa la seguridad de un robot conectado a una red industrial

El riesgo aparece antes de encender el robot

El análisis de VicOne divide los hallazgos entre tres etapas. La primera es desarrollo y entrenamiento. Un modelo preentrenado, una dependencia de software o un archivo descargado puede modificar datos, abrir acceso al equipo de entrenamiento o alterar el comportamiento que después se incorpora al robot.

La segunda etapa es simulación y validación. Los entornos virtuales se utilizan para comprobar sensores, movimientos y condiciones de seguridad antes de probar una máquina física. Si alguien manipula una escena, un modelo o una lectura simulada, el robot podría superar una prueba que no representa correctamente el riesgo real. VicOne indicó que el 75 % de sus hallazgos se relacionaba con desarrollo, entrenamiento, simulación o validación; ese porcentaje describe su conjunto de investigación, no toda la industria robótica.

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

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.

Primer plano de un FiberMotor flexible y delgado con estructura coaxial sobre un fondo de laboratorio tecnológico.

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.

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.

El reto de escalar la producción industrial de robots humanoides

La industria de la robótica se encuentra en un punto de inflexión. Mientras que en años anteriores el enfoque principal residía en demostraciones técnicas y rondas de inversión, el sector está migrando silenciosamente hacia la producción en serie. Según Thomas Brown, director de ingeniería y tecnología en Jabil, hemos dejado atrás la etapa de ensamblaje manual en laboratorios para entrar en una fase donde se requiere fabricar decenas de miles de unidades con estándares de calidad industrial.

Este cambio de paradigma exige que los desarrolladores no solo se centren en la inteligencia artificial, sino en la manufacturabilidad y la optimización de costos. Para que un robot humanoide sea viable en un entorno real, debe dejar de ser un prototipo costoso y convertirse en un producto con una estructura de costos competitiva.

Línea de ensamblaje industrial moderna con robots humanoides en proceso de fabricación dentro de una planta tecnológica.

Desafíos técnicos en la integración de hardware

La transición hacia la escala masiva implica retos significativos en el diseño de componentes. Brown destaca que los humanoides actuales requieren una combinación compleja de características:

  • Robustez automotriz: Los sistemas de cableado deben resistir condiciones industriales exigentes, similares a las de un vehículo.
  • Miniaturización: A pesar de su tamaño, los componentes deben mantener un factor de forma reducido, comparable con la electrónica de consumo de alta gama.
  • Capacidad de cómputo: La IA física demanda más potencia en el borde (edge computing). Aunque plataformas como la serie NVIDIA Jetson son populares, el costo y la gestión térmica siguen siendo puntos críticos para la escalabilidad.

lunes, 5 de octubre de 2026

Intrinsic libera herramientas de código abierto para potenciar la IA física

Intrinsic, la empresa de robótica e inteligencia artificial perteneciente a Google, ha dado un paso significativo para la comunidad de ingeniería al liberar parte de su plataforma bajo un modelo de código abierto. Esta iniciativa, denominada Intrinsic Core, busca estandarizar capacidades críticas para el desarrollo de aplicaciones robóticas complejas, permitiendo que ingenieros y desarrolladores puedan integrar soluciones avanzadas sin necesidad de construir desde cero.

El enfoque de la compañía se centra en la IA física, una disciplina que busca dotar a los sistemas robóticos de la capacidad de interactuar con el mundo real de manera adaptativa y segura. Al hacer compatibles estas herramientas con el ecosistema ROS (Robot Operating System), Intrinsic facilita la interoperabilidad entre diferentes fabricantes de hardware, una de las barreras más comunes en la automatización industrial.

Brazo robótico industrial con sensores avanzados en un entorno de laboratorio tecnológico.

Capacidades clave de Intrinsic Core

El paquete liberado incluye una serie de módulos diseñados para resolver problemas técnicos recurrentes en la implementación de celdas robóticas:

  • Intrinsic Control: Un framework de control en tiempo real independiente del hardware. Permite que el robot ajuste su trayectoria dinámicamente ante cambios en el entorno, garantizando movimientos eficientes y libres de colisiones.
  • Planificación de movimiento y agarre: Algoritmos que generan rutas óptimas automáticamente y permiten que diversos efectores finales se adapten a la posición y orientación de las piezas, mejorando la tasa de éxito en tareas de manipulación.
  • Estimación de pose y calibración: Herramientas para la estimación de pose 6D de componentes 3D y la automatización de la alineación física de cámaras, reduciendo el tiempo de configuración.
  • Drivers compatibles: Controladores preconfigurados para una amplia gama de brazos robóticos, pinzas y sistemas de visión artificial.

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

Claves de la interacción humano-robot en la industria según Eli Lilly

La implementación de sistemas robóticos en entornos de trabajo dinámicos enfrenta una brecha crítica: la mayoría de las investigaciones sobre interacción humano-robot (HRI) se realizan en entornos académicos controlados. Estos estudios, aunque valiosos, a menudo fallan al trasladarse a las condiciones impredecibles de una planta de producción real. Para abordar esta problemática, expertos de Eli Lilly y la Universidad de Purdue presentarán en el evento RoboBusiness 2026 los resultados de sus estudios de campo sobre la convivencia entre operarios y máquinas autónomas.

La ponencia titulada "Human-Robot Interaction: Bridging Academia and Industry", programada para el 20 de octubre de 2026 en Santa Clara, California, busca exponer un marco de trabajo replicable para empresas que deseen integrar robots de forma segura. Faraz Yousuf, ingeniero de aplicaciones robóticas en Eli Lilly, y la Dra. Anastasia Kouvaras Ostrowski, profesora de Purdue, compartirán lecciones aprendidas tras observar la interacción de trabajadores con vehículos de guiado automático (AGVs) en almacenes y líneas de producción activas.

Ingeniero y académica analizando el comportamiento de un robot móvil autónomo en una planta de fabricación farmacéutica.

Puntos clave de la investigación

  • Percepción del trabajador: Análisis sobre cómo los operarios humanos perciben y reaccionan ante la presencia de robots móviles en su espacio de trabajo inmediato.
  • Seguridad dinámica: El enfoque no solo se limita a evitar colisiones, sino a entender la psicología de la seguridad en entornos compartidos.
  • Metodología escalable: Creación de un "playbook" o manual de procedimientos que permite a otras organizaciones establecer alianzas academia-industria exitosas y sostenibles.

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.

lunes, 14 de septiembre de 2026

Universal Robots presenta Gen 7: cobots preparados para la IA industrial


Universal Robots presentó Gen 7, su nueva plataforma de robots colaborativos orientada a la automatización industrial y a las aplicaciones de inteligencia artificial física. El anuncio se realizó durante la feria IMTS 2026, celebrada en Chicago.

¿Qué es la plataforma Gen 7?

Gen 7 es una nueva generación de la plataforma de robots colaborativos de Universal Robots. La compañía rediseñó varios elementos del sistema, desde el controlador hasta la brida donde se conectan las herramientas del robot.

La propuesta busca facilitar la integración de cámaras, sensores, herramientas industriales, software de automatización y aplicaciones basadas en inteligencia artificial.

Robot colaborativo de Universal Robots preparado para aplicaciones de inteligencia artificial industrial

Robots colaborativos preparados para IA

Universal Robots presenta Gen 7 como una plataforma preparada para inteligencia artificial desde el momento de su instalación. Esto significa que está diseñada para trabajar con sensores, cámaras y programas capaces de interpretar información del entorno y adaptar determinadas acciones.

Sin embargo, que un robot sea compatible con IA no significa que pueda trabajar sin supervisión humana en cualquier situación. La aplicación debe configurarse, probarse y validarse de acuerdo con la tarea, el espacio de trabajo y las normas de seguridad.

Arm analiza cómo escalar la IA física en robótica en RoboBusiness

La IA física avanza desde laboratorios y demostraciones hacia sistemas que deben funcionar de forma segura en el mundo real. En RoboBusiness 2026, Arm explicará cómo escalar esta tecnología en robots capaces de percibir, razonar y actuar con mayor autonomía, sin descuidar la eficiencia ni la seguridad.

Dermot O’Driscoll, vicepresidente de go-to-market de IA física en Arm, ofrecerá la charla “Building Physical AI that Scales”. El evento se realizará el 20 y 21 de octubre en Santa Clara, California, y celebra su vigésima edición.

Brazo robótico y robot móvil conectados a sensores, cómputo en el borde y la nube en un entorno industrial

Qué es la IA física

La IA física combina inteligencia artificial con sistemas que interactúan directamente con el entorno. No se limita a generar texto o imágenes: permite que un robot reconozca objetos, planifique movimientos, responda a cambios y ejecute tareas físicas.

Según The Robot Report, los avances recientes en modelos fundacionales, sistemas de visión-lenguaje-acción e IA en el borde amplían lo que los robots pueden percibir, razonar y hacer. El siguiente reto es convertir esas capacidades en sistemas autónomos confiables.

sábado, 12 de septiembre de 2026

Ultrasonido para dar inteligencia táctil a los robots de IA física

La IA física necesita que los robots no solo vean y se muevan, sino que comprendan qué ocurre al tocar un objeto. UltraSense propone usar ultrasonido bajo la superficie para detectar contacto, fuerza, deslizamiento y cambios en el material, con el sensor protegido lejos de la zona de mayor desgaste.

La empresa afirma que su enfoque puede ofrecer una resolución espacial de 500 micrómetros a través de una capa de elastómero y una precisión aproximada de 1,25 milinewtons al medir fuerza de compresión. Estas cifras corresponden a demostraciones de UltraSense y no a una evaluación independiente en robots comerciales.

Mano robótica con dedos sensorizados manipula un objeto frágil mientras muestra un mapa de presión

Por qué el tacto sigue siendo difícil

Una pinza o mano robótica debe soportar compresión, fricción, humedad, suciedad, cambios de temperatura y limpieza. Si el sensor se coloca muy cerca de la superficie, puede desgastarse; si se protege con más material, puede perder sensibilidad o resolución.

Los enfoques de piel electrónica suelen usar capas eléctricas flexibles —capacitivas, piezoresistivas, piezoelectricas o basadas en impedancia— integradas en materiales deformables. Con el uso, estos sistemas pueden presentar deriva, histéresis, delaminación y necesidad de recalibración, según el análisis publicado por The Robot Report.

viernes, 4 de septiembre de 2026

NVIDIA acuerda adquirir Hugging Face por US$12.930 millones

NVIDIA acordó adquirir Hugging Face por US$12.930 millones, en una operación que busca ampliar la infraestructura de la plataforma y reforzar el acceso a modelos abiertos de inteligencia artificial. La compañía asegura que Hugging Face seguirá siendo una plataforma abierta y que no exigirá el uso de hardware NVIDIA para desarrollar o desplegar proyectos en ella. El acuerdo aún está pendiente de cierre y de las aprobaciones regulatorias correspondientes.

Desarrolladores colaboran en una plataforma digital con modelos y conjuntos de datos de IA

Una plataforma central para la IA abierta

Hugging Face ofrece un espacio donde desarrolladores, investigadores y empresas publican, evalúan y utilizan modelos, conjuntos de datos y aplicaciones de IA. Según NVIDIA, la plataforma supera los 18 millones de usuarios y aloja más de 3 millones de modelos, 500.000 conjuntos de datos y 1 millón de aplicaciones. Más de 200.000 empresas la utilizan para descubrir, personalizar y desplegar IA.

La operación contempla aproximadamente US$11.900 millones para los accionistas de Hugging Face y hasta US$1.000 millones en incentivos de retención para empleados. De acuerdo con un informe citado por The Robot Report, el cierre está previsto para la primera mitad de 2027, sujeto a condiciones habituales y aprobaciones regulatorias.

miércoles, 2 de septiembre de 2026

Las 10 noticias de robótica más destacadas de agosto de 2026

La inteligencia artificial aplicada a robots, la financiación de empresas del sector y los avances en automatización concentraron la atención de los lectores en agosto de 2026. Este repaso recoge las diez historias más populares de The Robot Report durante ese mes; el orden refleja el interés de su audiencia, no una clasificación de importancia tecnológica.

Robots humanoide, de construcción, robotaxi y brazo industrial en una composición tecnológica

Las diez historias más leídas

  1. Gemini Robotics 2 amplía el control corporal. Google DeepMind presentó una actualización de su modelo de visión, lenguaje y acción que, según la compañía, puede coordinar el cuerpo completo de un robot humanoide, mejorar la destreza y facilitar la colaboración entre robots.
  2. Los cortacéspedes robóticos buscan llegar a más jardines. La nota examinó tecnologías que podrían reducir algunas barreras de instalación y ampliar el uso de estos equipos en céspedes más grandes.
  3. Zoox mostró el diseño final de su robotaxi. La empresa presentó una versión de producción de su vehículo autónomo creado específicamente para transportar pasajeros. La expansión comercial mencionada por la compañía corresponde a Estados Unidos.
  4. HII acordó contratos de producción en robótica. Huntington Ingalls Industries anunció acuerdos de hasta US$900 millones con Path Robotics y GrayMatter Robotics para trabajos relacionados con soldadura y lijado en la construcción naval durante varios años.