Un robot humanoide ha aprendido a acercarse a una mesa, manipular un objeto, llevarlo a otro sitio y dejarlo, sin que nadie le enseñara nunca esa rutina completa de principio a fin. Ingenieros de la Universidad Nacional de Seúl lo entrenaron con lecciones sueltas, unas solo de andar y otras solo de manipular objetos, y un sistema de IA descubrió por su cuenta cuándo pasar de una a otra, según el anuncio de la universidad.
Por qué importa: la parte más pesada de enseñar a un robot son los datos. Grabar una demostración larga y perfecta de «andar, manipular, andar, dejar» es lento y caro, y un fallo cerca del final estropea toda la grabación. Si los robots pueden unir lecciones cortas y sencillas por sí solos, entrenar a un ayudante para un almacén o una fábrica sale mucho más barato.
Andar y manipular son dos trabajos distintos
Para una persona, cruzar una habitación con una taza en la mano es un solo gesto fluido. Para un robot humanoide son dos problemas muy diferentes. Andar va de piernas, equilibrio y movimientos amplios y rítmicos. Manipular va de dedos, muñecas y movimientos pequeños y cuidadosos. Trabajan articulaciones distintas, y se mueven de forma totalmente diferente.
Eso complica el entrenamiento. Es fácil reunir muchos vídeos de andar y muchos de manipular objetos, pero ninguno le dice al robot lo más importante: cuándo dejar de caminar y empezar a alargar la mano.
Un equipo de especialistas con su entrenador
El nuevo sistema se llama RISE (siglas en inglés de «expertos especializados inducidos por responsabilidad»). Es un modelo de visión, lenguaje y acción: una IA que mira a través de las cámaras del robot, lee una instrucción en lenguaje normal y convierte ambas cosas en movimientos. El equipo del profesor Songhwai Oh le dio una parte compartida de «ojos y comprensión», varios «expertos en acción» separados y, por encima, un pequeño coordinador al que llaman metacontrolador, informa Tech Xplore.
Aquí está el truco. Durante el entrenamiento, cada experto recibe una nota según lo bien que predice el siguiente movimiento. Cuanto mejor lo hace con un fragmento de datos, más «responsabilidad» recibe para aprender de él. Nadie les dice a los expertos qué deben ser y, aun así, se reparten el trabajo solos: unos acaban especializados en andar y otros en manipular. Es como una cocina donde los cocineros que mejor hacen postres acaban haciendo todos los postres.
Después, el coordinador decide cuánto caso hacer a cada experto en cada momento. Cuando su atención salta de los expertos en andar a los expertos en manipular, ese salto es la señal de que una etapa ha terminado y puede empezar la siguiente.
Los resultados, en simulación y en la vida real
El equipo probó RISE con tareas de dos a cuatro pasos con manzanas, botellas y vasos, como «anda y luego manipula» o «anda, manipula, anda y deja». En simulación acertó de media el 87,3 % de las veces. Un sistema de comparación con un único experto, basado en el modelo de humanoides GR00T de NVIDIA, se quedó en el 73,6 %.
Luego pasaron a un humanoide real Unitree G1 con dos manos robóticas: 43 articulaciones y dedos que controlar en total. En tareas reales de hasta cinco pasos, RISE lo consiguió la mitad de las veces (50,0 %), frente al 30,0 % del sistema de comparación: 20 puntos porcentuales de diferencia. Según el equipo, su ventaja se mantuvo al alargar las tareas, que es justo donde más cuesta encadenar lecciones.
Límites, con honestidad
Un 50 % es un gran salto, pero también significa que en el mundo real el robot todavía falla una de cada dos tareas. Los resúmenes publicados no dicen cuántos intentos hubo por tarea, así que conviene leer las cifras como resultados iniciales. El trabajo ha sido aceptado en IROS 2026, uno de los grandes congresos internacionales de robótica.
Además, RISE hace las cosas de una en una: anda, se para y luego manipula. Todavía no puede llevar una bandeja mientras gira una esquina ni abrir una puerta sin dejar de caminar. Y el equipo reconoce que el robot debe adaptarse mejor a lugares nuevos, y ser más seguro, antes de poder ayudar en hospitales, residencias o casas.
Qué viene ahora
Los investigadores ven la logística y la fabricación como los primeros lugares donde esto puede ser útil: buscar una pieza, llevarla, dejarla y repetir. Su siguiente objetivo es el comportamiento de todo el cuerpo, como manipular un objeto mientras se camina al mismo tiempo, explicó el profesor Oh.
Encaja con una tendencia clara en la IA para robots: en lugar de programar a mano cada movimiento, los equipos enseñan a los robots a combinar habilidades, como la IA para robots que imagina la escena antes de moverse. Y cuanto más listas son esas habilidades, más importa protegerlas: ya contamos cómo una palabra oculta puede secuestrar a un robot con IA.
Sigue leyendo
- La IA para robots que imagina la escena antes de moverse
- Pato robot Microduck: así aprende a andar en un mundo virtual
- Una palabra oculta puede secuestrar a un robot con IA
Lo mejor de la semana en tecnología, gratis
Un email a la semana con las noticias que importan, explicadas fácil. Sin spam.
Fuentes
- Humanoid AI connects walking and object handling without demonstrations of complete task sequences – Facultad de Ingeniería de la Universidad Nacional de Seúl vía Tech Xplore, 2 de noviembre de 2026
- La Universidad Nacional de Seúl desarrolla la IA RISE: 87,3 % de éxito en un robot humanoide (en coreano) – Special Times, 30 de octubre de 2026
- Learning Humanoid Loco-Manipulation with Responsibility-Induced Specialized Experts for Vision-Language-Action Models – Hogun Kee, Wooseok Oh, Songhwai Oh et al., Robot Learning Lab de la Universidad Nacional de Seúl, IROS 2026 (artículo en PDF)
