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

miércoles, 4 de noviembre de 2026

Hexápodo con cambio de marcha en tiempo real mediante ESP32-S3

El hexápodo de ForgeVolt puede cambiar entre distintos patrones de marcha mientras avanza. La clave no es solamente usar seis patas, sino calcular continuamente la posición de sus 18 articulaciones. Un ESP32-S3 ejecuta la cinemática inversa, un MPU6050 detecta la inclinación del chasis y un mando ESP32 envía órdenes de dirección y cambio de marcha mediante ESP-NOW.

Robot hexápodo con seis patas y servomotores visibles, diseñado con una pantalla OLED que muestra ojos animados sobre una mesa.

Qué significa cambiar de marcha

En un robot con patas, una marcha es la secuencia y coordinación con la que las extremidades levantan, desplazan y apoyan los pies. La marcha trípode mueve tres patas a la vez y puede ofrecer velocidad, pero exige una coordinación precisa. Una marcha tetrapod utiliza otra distribución de apoyos y puede ser útil para cambiar el comportamiento del robot, aunque la fuente del proyecto no presenta una tabla de velocidad, consumo o estabilidad que permita afirmar que una es siempre mejor que la otra.

La innovación de esta demostración está en poder cambiar de patrón durante el movimiento. En un diseño basado solo en secuencias pregrabadas, el robot tendría que terminar una rutina antes de comenzar otra. ForgeVolt calcula objetivos de posición en cada ciclo y puede pasar de una marcha a otra entre pasos.

Fetch: el robot Arduino que juega a buscar la pelota

Fetch es un robot móvil de código abierto que detecta una pelota, se acerca, la recoge y trata de devolverla a una mano. El proyecto de SECTOR 07 combina una placa Arduino UNO Q, visión artificial, motores y piezas diseñadas para fabricación digital. No es un producto listo para comprar: es una demostración de robótica educativa y un punto de partida para quien quiera construir un sistema parecido.

Robot Fetch de estilo retro con brazos mecánicos sosteniendo una pelota sobre un suelo de madera.

Qué hace Fetch y por qué resulta interesante

La idea parece sencilla, pero reúne varios problemas de ingeniería en un solo equipo. Fetch debe distinguir la pelota del fondo, estimar dónde se encuentra, orientar sus ruedas, aproximarse sin perder el objetivo y accionar un mecanismo que pueda recogerla. Después necesita localizar la mano de la persona para intentar regresar con el objeto.

La ficha del proyecto en Arduino Project Hub lo presenta como un robot de inteligencia artificial de código abierto y ofrece archivos descargables. La publicación no equivale a una certificación de que cualquier montaje funcionará igual: el resultado depende de la cámara, la iluminación, la calibración, la impresión de las piezas y la configuración del software.

viernes, 16 de octubre de 2026

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.

Brazo robótico conectado a una representación visual de redes neuronales en un entorno de laboratorio avanzado.

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.

miércoles, 14 de octubre de 2026

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.

Planta industrial automatizada con brazos robóticos y un robot cuadrúpedo realizando tareas de inspección técnica.

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.

domingo, 11 de octubre de 2026

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:

Prototipo de microrobot DirectHop de un gramo con patas articuladas y estructura protectora sobre una mesa de laboratorio.
  • 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.

jueves, 8 de octubre de 2026

SafeWorld revoluciona la validación de robots mediante simulación avanzada

La integración de la inteligencia artificial en la robótica ha permitido que las máquinas abandonen las jaulas de seguridad tradicionales para colaborar estrechamente con los humanos. Sin embargo, este avance plantea un desafío crítico: ¿cómo garantizar que un robot autónomo actúe de forma segura en situaciones impredecibles? La startup SafeWorld ha emergido del modo sigilo con una ronda de financiación semilla de 12.2 millones de dólares para resolver esta problemática mediante plataformas de simulación avanzada.

Fundada por Kyle Wong y Ding Zhao —este último, director del Safe AI Lab en la Universidad Carnegie Mellon—, la compañía busca estandarizar la validación de sistemas robóticos. Según sus fundadores, el despliegue de robots capaces requiere métodos de prueba igualmente capaces, evitando que las empresas deban construir sus propios protocolos de seguridad desde cero cada vez que desarrollan un nuevo modelo.

Interfaz de simulación digital mostrando un robot humanoide interactuando en un entorno industrial con métricas de seguridad.  Descripción sugerida:

Simulación como garantía de confianza

La plataforma de SafeWorld permite a los desarrolladores recrear escenarios complejos, peligrosos o extremadamente raros en un entorno virtual. Esta capacidad es fundamental, ya que muchos de los riesgos asociados a la IA no cuentan con datasets históricos suficientes para su entrenamiento. Entre las funcionalidades clave destacan:

  • Creación de escenarios sin código: Los equipos pueden generar pruebas basadas en logs históricos, estándares de seguridad y comportamientos previos directamente desde el navegador.
  • Variabilidad masiva: El sistema ejecuta miles de iteraciones con movimientos humanos realistas y reactivos para medir el rendimiento del robot ante imprevistos.
  • Validación continua: A diferencia de las pruebas únicas antes del lanzamiento, la plataforma permite reevaluar la seguridad tras cada actualización de software o cambio en el entorno operativo.

miércoles, 7 de octubre de 2026

Cómo los actuadores integrados simplifican el diseño de sistemas robóticos

En el desarrollo de sistemas robóticos modernos, la selección de la arquitectura de movimiento es una de las decisiones críticas que definen el éxito de un proyecto. La tendencia actual se desplaza desde los sistemas de componentes discretos hacia los actuadores integrados, una solución que busca simplificar la ingeniería al combinar en un solo dispositivo el reductor, el motor, el controlador (drive) y los sensores necesarios para el control de movimiento.

Durante el evento RoboBusiness 2026, que se llevará a cabo los días 20 y 21 de octubre en Santa Clara, California, Marcel Almonte, ingeniero de aplicaciones mecatrónicas en Harmonic Drive, presentará una sesión técnica titulada "Integrated Drive Actuator Design: Combining Gearheads, Motor, Drive, and Sensors for Smarter Motion". El objetivo de esta charla es proporcionar a los ingenieros un marco de trabajo sólido para evaluar cuándo es conveniente adoptar esta tecnología frente a los enfoques tradicionales de nivel de componente.

Primer plano de un actuador robótico integrado de alta precisión con engranajes visibles en un entorno de laboratorio.

Ventajas técnicas de la integración

La adopción de actuadores integrados, como la serie RSF-5B IDT Supermini, ofrece beneficios tangibles en el ciclo de vida de desarrollo de un robot. Según los expertos, esta consolidación de hardware permite:

  • Reducción de la complejidad del cableado: Al integrar el servo drive directamente en el actuador, se eliminan múltiples conexiones externas, lo que reduce los puntos de falla y mejora la fiabilidad del sistema.
  • Optimización del espacio: La alta densidad de potencia permite diseñar robots más compactos y ligeros, ideales para aplicaciones donde el espacio es un factor limitante.
  • Eficiencia en la integración: Simplifica el proceso de ensamblaje, permitiendo que los equipos de ingeniería se enfoquen en la arquitectura del sistema en lugar de en la compatibilidad individual de cada componente.
  • Aceleración del tiempo de comercialización: Al reducir las etapas de pruebas y puesta en marcha (commissioning), los desarrolladores pueden llevar sus prototipos a producción de manera más ágil.

Lecciones clave tras construir un robot autónomo en un hackathon intensivo

Participar en un hackathon de robótica, como el reciente UK RAS STEPS MicroMaze realizado en el Instituto para la Autonomía Segura de la Universidad de York, ofrece una perspectiva única sobre el desarrollo de sistemas autónomos. Más allá de la teoría académica, estos eventos exigen transformar un conjunto de piezas y un chasis cortado con láser en un dispositivo funcional capaz de navegar laberintos complejos en apenas tres días.

El reto técnico principal consistió en integrar hardware de control, como el Raspberry Pi Pico W, con diversos sensores y motores, utilizando MicroPython para la lógica de navegación. Este proceso no solo pone a prueba las habilidades de programación, sino también la capacidad de resolución de problemas bajo presión y la gestión de errores en tiempo real.

Equipo de ingenieros ensamblando un pequeño robot autónomo en un laboratorio de robótica con componentes electrónicos.

Desafíos técnicos y aprendizaje colaborativo

La construcción de un robot autónomo desde cero implica enfrentar obstáculos inesperados. Durante el evento, los participantes se encontraron con retos comunes en la ingeniería mecatrónica:

  • Depuración de hardware: Identificar fallos en la conexión de sensores y el comportamiento errático de los motores.
  • Optimización de código: Ajustar algoritmos de navegación para que el robot pudiera interpretar el entorno del laberinto de manera eficiente.
  • Integración de sistemas: Lograr que el firmware y el hardware trabajen en sincronía para garantizar la autonomía del dispositivo.

Pegasus 1.6 optimiza el entrenamiento de robots mediante video inteligente

La empresa TwelveLabs ha anunciado el lanzamiento de Pegasus 1.6, una actualización de su plataforma de inteligencia de video diseñada específicamente para cerrar la brecha entre el análisis de datos visuales y la IA física. En un contexto donde la robótica requiere volúmenes masivos de datos para aprender tareas complejas, este modelo busca transformar grabaciones de video crudas en conocimiento estructurado y procesable para máquinas.

El desafío técnico que aborda Pegasus 1.6 es la dificultad de convertir horas de metraje en modelos de entrenamiento útiles. Según Jae Lee, CEO de TwelveLabs, la mayoría de las habilidades físicas humanas, como la recuperación ante un deslizamiento o el ajuste de un agarre, nunca han sido capturadas en formatos que una máquina pueda interpretar eficazmente. Este nuevo modelo permite que los equipos de robótica entrenen a sus sistemas basándose en experiencias humanas reales en lugar de comenzar desde cero.

Brazo robótico industrial en una fábrica analizando objetos con interfaces de datos digitales proyectadas en el entorno.

Enfoque en video egocéntrico

Una de las características más destacadas de esta versión es su capacidad para procesar video egocéntrico, es decir, aquel capturado desde la perspectiva del operador. Este tipo de grabación es fundamental para enseñar a robots, drones y vehículos autónomos a percibir y razonar en entornos dinámicos. La ventaja principal es que no requiere cámaras propietarias ni hardware especializado, permitiendo utilizar datos existentes de operaciones manuales, ensamblaje o tareas de mantenimiento.

martes, 6 de octubre de 2026

Cómo las restricciones de la FCC están transformando la arquitectura de IA

La reciente decisión de la Comisión Federal de Comunicaciones (FCC) de Estados Unidos, que restringe la importación y comercialización de ciertos dispositivos robóticos extranjeros, ha generado un efecto dominó en el diseño de sistemas automatizados. Esta medida, que cataloga a ciertos robots avanzados como riesgos potenciales para la seguridad nacional, obliga a los ingenieros y desarrolladores a replantear cómo se gestionan los datos y la inteligencia artificial en entornos críticos.

Más allá de la procedencia del hardware, el centro del debate es la soberanía de los datos. La capacidad de los robots para mapear entornos y recopilar información sensible ha convertido a estas máquinas en nodos de infraestructura conectada, lo que exige una arquitectura de seguridad mucho más robusta que la que ofrecían los modelos basados exclusivamente en la nube.

Brazo robótico industrial trabajando en una planta tecnológica con nodos de datos digitales representando procesamiento de IA local.

Hacia la IA en el borde (Edge AI)

La tendencia hacia el procesamiento local, o on-premises, no es nueva, pero las presiones regulatorias han acelerado su adopción. Ejecutar la inteligencia artificial directamente en el robot o dentro de las instalaciones ofrece ventajas técnicas claras, como la reducción de la latencia y una mayor fiabilidad operativa. Sin embargo, el desafío actual es técnico: ¿cómo trasladar cargas de trabajo complejas, que antes dependían de la potencia de cómputo de la nube, a hardware local limitado?

lunes, 5 de octubre de 2026

Runway lanza Praxis-1 para revolucionar el entrenamiento de robots con IA

La escasez de datos de alta calidad para el entrenamiento de sistemas robóticos ha sido, históricamente, uno de los mayores cuellos de botella en la ingeniería de automatización. Runway, empresa reconocida por sus avances en IA generativa, ha presentado Praxis-1, un modelo de acción mundial (World Action Model) diseñado para transformar el aprendizaje de los robots mediante el uso masivo de datos de video, en lugar de depender exclusivamente de costosas demostraciones teleoperadas.

A diferencia de los enfoques tradicionales que requieren miles de horas de interacción física directa, Praxis-1 aprovecha la vasta cantidad de contenido visual disponible en internet. Según la compañía, este modelo permite que los robots comprendan el comportamiento de los objetos y la ejecución de tareas complejas observando cómo ocurren en el mundo real, trasladando este conocimiento a políticas de control efectivas.

Brazo robótico industrial manipulando un objeto en un laboratorio de alta tecnología con gráficos de IA de fondo.

¿Cómo funciona Praxis-1?

El núcleo de esta tecnología reside en la preentrenamiento a gran escala. Kamil Sindi, CTO de Runway, explica que el modelo ya posee una comprensión intrínseca de la física y la dinámica de las tareas antes de ser aplicado a un brazo robótico o humanoide. Esta capacidad de generalización permite que el sistema funcione en diversas configuraciones de hardware con ajustes mínimos.

sábado, 3 de octubre de 2026

La evolución de los robots móviles autónomos LD de Omron en la industria

La automatización de la intralogística ha dado un salto cualitativo con la nueva generación de robots móviles autónomos (AMR) de Omron. Estos sistemas no solo se limitan a seguir rutas predefinidas, sino que están diseñados para integrarse en ecosistemas de fabricación inteligente, donde la flexibilidad y la eficiencia espacial son críticas para el éxito operativo.

Miguel Garcés Moreno, Product Marketing Manager para la región EMEA en Omron Industrial Automation, destaca que el enfoque actual de la compañía se centra en la transformación de las plantas de producción. El objetivo es convertir los espacios de trabajo tradicionales en entornos altamente automatizados, capaces de gestionar el flujo de materiales de manera dinámica y sin intervención humana constante.

Robot móvil autónomo Omron LD operando en un entorno de almacén industrial moderno.

Pilares técnicos de la nueva generación LD

La serie LD de Omron se apoya en una arquitectura que combina hardware robusto con software avanzado. Según la experiencia técnica de Garcés Moreno, la clave del éxito en la implementación de estos robots radica en tres pilares fundamentales:

  • Visión por IA: Permite una mejor interpretación del entorno, facilitando la navegación en áreas donde conviven personas y maquinaria.
  • Control de movimiento preciso: Esencial para la manipulación de cargas en espacios reducidos, optimizando el uso del suelo industrial.
  • Integración con PLCs: La capacidad de comunicarse con los controladores lógicos programables existentes en la planta permite una sincronización total con otras líneas de producción.

lunes, 28 de septiembre de 2026

Los robots que ya trabajan al servicio de las personas

Los robots forman parte de diferentes actividades cotidianas. Algunos realizan tareas industriales, otros transportan productos, ayudan a pacientes o colaboran con personas que necesitan asistencia. Su objetivo no siempre es reemplazar al ser humano, sino facilitar trabajos repetitivos, pesados o peligrosos.

La robótica combina mecánica, electrónica, sensores, software e inteligencia artificial para crear máquinas capaces de percibir el entorno y responder a determinadas instrucciones.

Los robots que ya trabajan al servicio de las personas

Robots para trabajos industriales

En las fábricas, los robots se utilizan para soldar, ensamblar, pintar, transportar piezas y revisar productos. Estas tareas requieren precisión y repetición, por lo que una máquina puede mantener un ritmo constante durante largos periodos.

Los robots industriales también pueden trabajar en lugares con altas temperaturas, sustancias peligrosas o riesgo de accidentes. De esta manera, las personas pueden encargarse de supervisar, programar y mantener los equipos sin exponerse directamente a esas condiciones.