Detrás del furor por los humanoides: por qué los robots de propósito general aún están lejos de la vida cotidiana

Las promesas multimillonarias

Elegantes robots humanoides bailando en escenarios, clasificando ropa y sirviendo bebidas han acaparado la atención tecnológica global. Figuras de alto perfil en Silicon Valley han hecho pronósticos ambiciosos sobre su futuro inmediato. El CEO de Tesla, Elon Musk, ha calificado al robot humanoide Optimus como potencialmente «el producto más grande de la historia», argumentando que con el tiempo podría alcanzar una destreza sobrehumana y automatizar casi todo el trabajo humano por unos 20.000 dólares, con ventas al público previstas para finales de 2027.

El inversor de capital de riesgo Marc Andreessen sugirió que la robótica podría convertirse en la «mayor industria en la historia del planeta», mientras que el CEO de Nvidia, Jensen Huang, afirmó que los robots humanoides alcanzarían capacidades a nivel humano este año. Wall Street se ha sumado al entusiasmo: Morgan Stanley estima que la cantidad global de robots humanoides podría acercarse a los 1.000 millones para 2050, generando un mercado de más de 5 billones de dólares.

Sin embargo, dentro de los laboratorios de investigación robótica, los expertos ofrecen una perspectiva mucho más mesurada. Aunque el hardware físico ha avanzado con rapidez, desarrollar una inteligencia artificial capaz de dominar la caótica variabilidad del mundo real sigue siendo un desafío no resuelto.

De reglas codificadas a mano a modelos de visión-lenguaje-acción

Durante décadas, la robótica dependió de políticas de software codificadas de forma rígida, donde los ingenieros escribían miles de líneas de código explícito para controlar cada milímetro del movimiento de una máquina. En los últimos años, los investigadores comenzaron a reemplazar la programación manual con modelos modernos de IA.

La transición inicial involucró modelos de visión-lenguaje (VLM), entrenados tanto con texto como con imágenes para reconocer el contexto visual, como detectar un paño cerca de una bebida derramada. Desde entonces, el estado del arte ha evolucionado hacia los modelos de visión-lenguaje-acción (VLA). Estas arquitecturas incorporan comandos de movimiento derivados de demostraciones humanas, generalmente registradas mediante teleoperación, donde operadores humanos guían de forma remota al robot a través de las tareas.

En Google DeepMind, los investigadores prueban su modelo insignia VLA Gemini Robotics utilizando ALOHA 2 (A Low-cost Open-source Hardware System for Bimanual Teleoperation). A diferencia de las formas humanoides, ALOHA 2 consta simplemente de dos brazos mecánicos, pinzas y cámaras sobre un banco de trabajo. Impulsado por Gemini Robotics, el sistema puede armar una lonchera —deslizando pan dentro de una bolsa Ziploc, colocando uvas en un recipiente Tupperware y cerrando una cremallera—, además de realizar tareas como doblar origami y recoger arvejas chinas con pinzas.

Sin embargo, los modelos VLA enfrentan límites severos. Si se los coloca en un escenario desconocido, suelen fallar con frecuencia. Como señaló Edward Johns, profesor de robótica en el Imperial College London, un sistema generalista auténtico debe desempeñarse en todo el espectro de tareas, mientras que los modelos actuales solo tienen éxito en ejemplos aislados.

La escasez de datos y el auge de los modelos del mundo

A diferencia de los grandes modelos de lenguaje, que ingirieron océanos de texto público de internet, la IA corporizada sufre una grave escasez de datos de demostración física de alta calidad. Recopilar datos de teleoperación es lento y costoso, el entrenamiento basado únicamente en video carece de precisión en las acciones físicas, y desplegar robots autónomos en entornos no controlados sigue siendo peligroso.

Jonathan Hurst, cofundador de Agility Robotics, sostiene que depender puramente de datos de entrenamiento para lograr una autonomía general es un enfoque fundamentalmente defectuoso, ya que el mundo físico contiene permutaciones casi infinitas de herramientas, formas y entornos. De manera similar, el pionero de la IA Yann LeCun señaló en el Foro de Davos que los enfoques de IA diseñados para el lenguaje no se trasladan bien a datos físicos continuos, ruidosos y de alta dimensionalidad.

Este obstáculo ha acelerado la investigación en «modelos del mundo» (world models): sistemas de IA entrenados con video, sensores y escaneos 3D diseñados para predecir cómo se mueven, deforman, colisionan e interactúan los objetos físicos. Estos modelos buscan simular la física con precisión, permitiendo que los robots anticipen las consecuencias de sus acciones antes de ejecutarlas.

Un capital sustancial ha fluido hacia este sector:

• World Labs, cofundada por la investigadora de Stanford Fei-Fei Li, recaudó 1.000 millones de dólares antes de ser adquirida por AMD por 8.200 millones de dólares en septiembre.

• AMI Labs, cofundada por Yann LeCun, recaudó 1.000 millones de dólares en marzo.

• Physical Intelligence (PI), una startup de San Francisco que desarrolla cerebros robóticos generalistas, actualizó sus modelos fundacionales de π0 en 2024 a π0.7 en abril de 2026. La versión más reciente incorporó un modelo del mundo ligero que suministra capturas de imágenes de los pasos siguientes de la tarea. Durante las pruebas, π0.7 mostró indicios tempranos de generalización composicional al intentar colocar una batata en una freidora de aire, una tarea para la cual no había sido entrenado directamente, ayudado por indicios de datos de teleoperación que involucraban una canasta de freidora de aire.

Demostraciones vs. realidad: la confiabilidad en el mundo físico

A pesar de estos avances en investigación, persiste una brecha inmensa entre las presentaciones controladas y el despliegue autónomo en el mundo real. Muchas demostraciones virales dependen de secuencias programadas ocultas o de teleoperación en vivo. Por ejemplo, un robot que acompañó a Jensen Huang de Nvidia en el escenario en marzo de 2025 fue operado de forma remota por un controlador humano tras bambalinas.

En aplicaciones comerciales y de consumo, una alta confiabilidad es obligatoria. Marc Raibert, fundador de Boston Dynamics, señaló que pasar de una tasa de éxito del 50 % al 70 % en entornos de laboratorio todavía significa que la máquina falla con demasiada frecuencia como para ser práctica.

Los humanoides desplegados en la actualidad están limitados a tareas específicas y repetitivas en entornos controlados. Agility Robotics tiene cientos de sus robots a prueba en instalaciones operadas por Amazon, GXO Logistics y Schaeffler, pero sus operaciones siguen enfocadas en mover cajas y contenedores. Si bien la startup 1X ha abierto reservas anticipadas de 20.000 dólares para su robot doméstico Neo, las primeras versiones requieren operadores humanos remotos para encargarse de las tareas del hogar.

Hurst estima que los robots completamente autónomos capaces de realizar tareas domésticas útiles de forma independiente todavía están a unos 10 años de distancia.

La escala industrial se traslada a China

Mientras que los laboratorios occidentales se concentran intensamente en arquitecturas de software generalistas, el volumen de fabricación se ha concentrado en China. Según datos de Omdia y de la empresa de robótica Unitree, los fabricantes chinos produjeron casi el 90 % de los aproximadamente 15.000 robots humanoides distribuidos en todo el mundo en 2025.

Unitree distribuyó más humanoides que cualquier otro fabricante ese año, ofreciendo modelos a precios inferiores a los 6.000 dólares. Por ahora, sin embargo, las órdenes de compra siguen fuertemente concentradas en laboratorios de investigación corporativos, universidades y empresas estatales, en lugar de consumidores comunes.

Desde los bocetos del caballero mecánico de Leonardo da Vinci en 1495 y el Elektro de Westinghouse en 1939 hasta el ASIMO de Honda —que fue discontinuado en 2018 tras no lograr trascender más allá de las demostraciones—, la robótica humanoide ha luchado durante mucho tiempo contra la complejidad del mundo real. Si bien los modelos modernos de IA brindan una percepción y un movimiento más completos que nunca, transformar a las máquinas en asistentes generalistas verdaderamente confiables sigue siendo un maratón y no un logro de la noche a la mañana.