Técnico controlando un robot en el GTC de 2026 Universal Robots Omicrono
Tecnología Robots que "perciben, razonan y aprenden" como si fuese un ser humano: así se entrenan para ver y sentir mientras trabajanUn nuevo sistema de entrenamiento enseña a los robots la presión que deben ejercer a la hora de manipular objetos mientras imitan la tarea de otro robot.
Más información: Xiaomi da un paso de gigante: pone a trabajar a su robot humanoide como operario en su fábrica de coches eléctricos
Marta Sanz Romero Publicada 4 abril 2026 03:04hChina y Estados Unidos han abierto una nueva carrera hacia un mundo plagado de robots humanoides que han dejado de ser solo prototipos a producirse en masa e integrarse en entornos industriales. El salto ya es una realidad, pero aún se requiere mejorar los procesos de entrenamiento para afianzar las máquinas en sus nuevas tareas.
"El avance hacia la IA física requiere un cambio fundamental: pasar de la automatización rígida y preprogramada a robots generalistas capaces de percibir, razonar y aprender mediante una interacción similar a la humana", afirma Amit Goel, responsable del ecosistema de robótica e IA en el edge de NVIDIA.
La industria detrás de estas máquinas busca la manera de entrenarlos en tareas delicadas y que se adapten al entorno, ya sea para trabajar en fábricas o más adelante en el hogar. De momento, los humanos siguen detrás de muchos robots, guiando a estas máquinas por el mundo y corrigiendo sus errores.
El oscuro secreto del coche autónomo de Google: cuando falla usa a trabajadores filipinos en remoto para conducirloAsí se les entrena con sistemas remotos que, incluso, utilizan las señales cerebrales del técnico para agilizar la respuesta de un robot ante un fallo o peligro. Este proceso sirve para recopilar datos que retroalimentan a la IA que sirve de cerebro al robot.
En este sentido, Universal Robots ha lanzado UR AI Trainer, un sistema de hardware y software desarrollado en colaboración con Scale AI. "Nuestro AI Trainer es la primera solución de la industria que conecta directamente el laboratorio con la fábrica para el entrenamiento de modelos de IA”. Anders Beck, VP of AI Robotics Products en Universal Robots.
Ver y sentir
La calidad de un modelo de IA depende en gran medida de la calidad y cantidad de los datos de entrenamiento. Igual que ha sido necesario el volcado de millones de textos para entrenar a chatbots como ChatGPT en lenguaje y revisar su trabajo para corregir errores o sesgos aprendidos de ese volcado, los robots requieren de un proceso similar.
Universal Robots presentó su novedad en la conferencia GTC 2026 de NVIDIA celebrada en San José el pasado 16 de marzo. Su objetivo es cerrar la llamada brecha entre el laboratorio y la fábrica: el difícil salto al mundo real y entornos de fabricación desde los entornos de investigación controlados donde se entrenan los modelos de IA.
Demostración de Universal Robots y Scale AI Universal Robots Omicrono
La propuesta consiste en un sistema líder-seguidor. Un operador humano guía a un robot de forma remota mientras la máquina realiza una tarea como puede ser el empaquetado de un teléfono inteligente. Esta actividad requiere de cierta destreza para colocar las piezas en un pequeño espacio. Quien haya tenido que guardar un móvil, su cargador y cable de nuevo en la caja, sabe que no es sencillo.
Hasta aquí, la dinámica sería similar a los entrenamientos tradicionales. Sin embargo, se añaden nuevos factores. Este primer robot ejerce de líder, mientras que otro es la unidad que le sigue y reproduce el movimiento en tiempo real.
Además, durante cada demostración, el sistema captura simultáneamente trayectorias de movimiento, datos de retroalimentación de fuerza e información visual. De esta forma, se generan grandes conjuntos de datos multimodales estructurados con los que se pueden entrenar modelos de Visión-Lenguaje-Acción.
Estas tres últimas palabras juntas son la clave, la diferencia con los sistemas de entrenamiento tradicionales en los que la mayoría de datos se recopilan utilizando únicamente visión artificial. Universal Robots defiende que su sistema permite que el robot no solo pueda aprender visualmente qué hacer, también consigue sentir cómo debe hacerlo correctamente.
De boxeadores a mascotas emocionales: cientos de robots inundan el MWC y auguran un futuro marcado por la IA“Al utilizar nuestro exclusivo Direct Torque Control y las funciones de retroalimentación de fuerza, ofrecemos a los desarrolladores una influencia directa sobre cómo el robot interactúa físicamente con el entorno, entrenando en el mismo hardware robusto que utilizan más de 100.000 instalaciones industriales”, explica Anders Beck, VP of AI Robotics Products en Universal Robots.
Esto resultaría de gran ayuda ante cualquier operación que implique contacto delicado, atornillado, con cierta presión o responder ante cierta resistencia.
Empaquetando móviles
Universal Robots y Scale AI publicarán el conjunto de datos industriales a gran escala recopilados con robots UR a finales de 2026. Durante la presentación en GTC, los visitantes del stand de UR podían guiar a dos robots líderes UR3e en una tarea de empaquetado de teléfonos móviles en tiempo real
Demostración de Universal Robots y Scale AI Universal Robots Omicrono
Mientras empresas estadounidenses como Tesla o Figure encabezan el esfuerzo de este país en la fabricación y desarrollo, China ha convertido el entrenamiento de robots humanoides en una prioridad nacional. Desde principios del año 2025, el gobierno de Xi Jingping está levantando una red de grandes centros dedicados en exclusiva a generar datos de la interacción física de los robots con entornos reales para ganar la carrera de fondo a EEUU.
Usando esta tecnología, dos robots UR completarán una compleja tarea de empaquetado de smartphones, tarea que hubiera sido imposible sin los recientes avances en el campo de la IA física.
Demostración de Universal Robots y Scale AI Universal Robots Omicrono
Universal Robots también está explorando el uso del NVIDIA Physical AI Data Factory Blueprint para automatizar y escalar la generación de datos sintéticos, convirtiendo la computación a escala mundial en un motor de producción de datos de entrenamiento robótico de alta calidad.
En la primera demostración pública de los modelos fundacionales embebidos de Generalist, dos robots UR7e ejecutan de forma autónoma una compleja tarea de empaquetado de smartphones, demostrando destreza, coordinación y manipulación con alto grado de contacto en un entorno real.