El robot ya no necesita cerebro propio

Physical Intelligence, una de las empresas que entrenan modelos para robots, abrió el 13 de octubre de 2026 una API con un título que resume la apuesta del sector: «Frontier Models for Every Robot» ^[1]. Un cliente sube los datos de su robot, ajusta allí el modelo de la empresa y lo usa desde la nube, sin montar su propio equipo de aprendizaje automático ^[1]. Un día antes, un grupo de Harvard había publicado un experimento que va más lejos. Puso a manejar un brazo robótico simulado a GPT-6-Astra, un modelo general de OpenAI al que nadie ajustó para esa tarea, y el modelo superó al mejor sistema entrenado para ese banco de pruebas, con 92,1 % de éxito contra 60,8 % ^[2].

Conviene leer la semana como el ejemplo de algo mayor. El cerebro del robot se está separando de su cuerpo y se convierte en un componente que se alquila y se cambia. Un modelo general ya hace buena parte del trabajo que exigía entrenar un sistema para cada máquina, siempre que alguien le dé una interfaz con la que mirar y mover, y esa interfaz es la pieza que no cambia cuando se cambia el modelo. Si eso se sostiene, lo que limita el despliegue de robots a escala deja de ser el entrenamiento y pasa a ser el cuerpo, los datos de la operación real y el trabajo de integración. La región nunca iba a entrenar esos modelos, y lo que ahora escasea es justamente lo que sí tiene a mano.

Un modelo que nadie entrenó para mover un brazo

El banco de Harvard, RoboMME, reúne 16 tareas de manipulación que exigen memoria temporal, espacial, de objetos y de procedimientos ^[2]. El modelo ve el episodio entero y dicta cada posición del extremo del brazo y cada orden a la pinza, sin un solo ajuste de sus parámetros para esas tareas ^[2]. Acertó en 737 de 800 episodios, por encima del 90,5 % que habían logrado personas con una interfaz privilegiada, e igualó o superó a esas personas en 13 de las 16 tareas ^[2]. Cada episodio costó unos 39 centavos de dólar ^[2].

Un equipo de seis investigadores había mostrado en julio la misma idea con agentes de programación comunes, y actualizó su trabajo el 7 de octubre ^[3]. Su sistema, VIA, le da al agente una pinza virtual que mueve con unas pocas herramientas y solo cuando el resultado le convence la manda al robot ^[3]. Probaron Claude Code y Codex sin modificarlos, con seis modelos distintos, y el éxito creció con el tamaño del modelo: 38 %, 73 % y 100 % para los tres niveles de Codex en simulación ^[3]. Ya fuera de la simulación, Codex con Astra 6 completó 24 de 25 intentos con un robot móvil real ^[3]. Los autores lo resumen sin rodeos: un agente de programación es, en cierto sentido, un agente de control de robots en secreto ^[3].

Lo que vende el especialista

Physical Intelligence no alquila un modelo general sino uno de robótica, que el cliente ajusta con sus propias demostraciones ^[1]. Sus primeros usuarios incluyen a Actor, cuya cargadora frontal llena un camión de volteo en un despliegue comercial real sin nadie en la cabina, y a Almond, que obtuvo en cuatro días un modelo para desbarbar piezas de su propio robot ^[1]. NEURA Robotics presentó el 14 de octubre Neuron AI, un solo modelo para cinco cuerpos distintos de la empresa ^[4]. Corre en el propio robot sin depender de la nube y todavía no tiene resultados publicados ^[5].

Google DeepMind había anunciado el 30 de julio una arquitectura parecida con nombre propio ^[6]. Su modelo de razonamiento, Gemini Robotics ER 2, funciona como «el cerebro de alto nivel» del robot y se ofrece en Google AI Studio, mientras otro modelo más pequeño corre en la máquina ^[6]. Ese segundo modelo se adapta a un brazo doble nuevo con unas horas de datos, por lo general menos de 200 ejemplos ^[6]. Figure rompió en febrero de 2025 su acuerdo con OpenAI, y su fundador escribió entonces que los modelos de lenguaje ya eran para su empresa «la pieza más pequeña del rompecabezas» ^[7]. Veinte meses después, esa pieza encabeza un banco de manipulación sin entrenamiento específico.

Tres capas y una interfaz

Un trabajo de la Universidad de California en San Diego y de Nvidia, publicado el 2 de octubre, describe el reparto que emerge ^[8]. Los modelos de frontera ya manipulan objetos a partir de pocas demostraciones, pero su latencia es demasiado alta para controlar un robot en tiempo real, de modo que el modelo general da las instrucciones y una política local, pequeña y rápida, mueve los motores ^[8]. Esa combinación tuvo éxito en el 65 % de los intentos, contra el 51,25 % de la política local sola ^[8].

Un estudio presentado este año en ICML, la principal conferencia de aprendizaje automático, marcó el límite del otro lado ^[9]. Los doce modelos que probó rinden más cuanto más andamiaje diseñado por personas reciben y empeoran cuando se les quita, aunque un agente sin entrenamiento que itera y revisa sus propios resultados se acerca al nivel humano en varias tareas ^[9]. Lo que queda es una arquitectura en tres capas: un modelo general que planifica y se corrige, una política local que actúa, y entre ambos una interfaz de herramientas legibles. La interfaz es la única que no hay que rehacer cuando sale un modelo mejor.

La pierna corta de la obra

La robótica es todavía la parte menor de la inversión en inteligencia artificial. La directora financiera de Nvidia calculó en agosto que las cinco mayores nubes gastarán casi 800.000 millones de dólares en 2026 y 1,3 billones en 2027 ^[10]. El negocio de IA física de la empresa, el de los coches autónomos y los robots, superó los 9.000 millones en doce meses, cuando sus centros de datos facturaron 75.000 millones en un solo trimestre ^[11]. Su fundador habló de ese segmento como una esperanza para los próximos cinco años ^[11]. Las fábricas instalaron más de 600.000 robots industriales en 2025, y la Federación Internacional de Robótica espera 655.000 este año ^[12].

El capital de riesgo se adelanta a las ventas. Las empresas de humanoides captaron 11.000 millones de dólares en lo que va de 2026, más del doble del récord de todo 2025, según Dealroom ^[13]. Cinco empresas de robots reunieron 510 millones en la semana del 12 de octubre para construir casas, asistir en cirugía, fabricar fármacos y empacar pedidos ^[13]. Una de ellas, Ultra, alquila por mes sus robots de almacén y les pone el software de Physical Intelligence ^[13].

El cuerpo, la otra mitad

Los fabricantes chinos despacharon más del 97 % de los humanoides del mundo en el primer semestre de 2026, unas 19.100 unidades, según el recuento que cita TechNode ^[14]. AgiBot envió unas 8.400 y Unitree unas 5.900 ^[14]. Las páginas de Unitree listan hoy su humanoide R1 desde 4.900 dólares y el G1 desde 13.500, sin impuestos ni envío ^[15]. Faraday Future lanzó el 15 de octubre en Estados Unidos un humanoide de 20 articulaciones para desarrolladores a 2.490 dólares ^[16].

Estados Unidos ya cerró la puerta a la próxima generación de esos cuerpos. La Comisión Federal de Comunicaciones incluyó el 28 de julio en su lista de equipos de riesgo todos los «dispositivos robóticos avanzados» producidos fuera del país, salvo los que reciban una aprobación condicional del Departamento de Guerra ^[17]. La definición abarca humanoides, cuadrúpedos y robots móviles autónomos de más de dos kilos, y los modelos ya autorizados pueden seguir vendiéndose ^[18]. La determinación de seguridad nacional advierte que esos robots podrían ser comandados a distancia ^[17]. El riesgo tiene antecedentes, porque en 2025 unos investigadores publicaron una falla en el Bluetooth de varios robots de Unitree que daba control total sobre ellos y podía saltar de uno a otro ^[19]. El Ministerio de Comercio de China calificó la medida de «intimidación unilateral», según CNN ^[20].

Lo que hoy todavía falla

Cada llamada al modelo en el experimento de Harvard tardó 18,3 segundos en promedio, y los autores advierten que su resultado mide una capacidad y no un controlador en tiempo real ^[2]. Las tareas son simuladas, sobre una mesa y con una cámara fija ^[2]. VIA solo sirve para tareas casi estáticas y no podría atrapar una pelota ^[3]. Physical Intelligence reconoce que algunos de sus primeros despliegues desde la nube tuvieron problemas de conectividad ^[1].

Hasta hace poco, poner un robot a trabajar exigía un cerebro hecho a su medida, con su equipo de aprendizaje automático y meses de ajuste para cada máquina. Esa factura dejaba la robótica avanzada a las empresas que podían pagarla. La inteligencia del robot pasa a ser un servicio que se contrata y se reemplaza, y cada modelo nuevo que sale para programar o para usar una computadora llega al robot sin costo adicional, porque la interfaz es la misma. Los autores de VIA lo dicen con todas las letras: las mejoras de los agentes en percepción, razonamiento y uso de herramientas se transfieren directamente al control del robot ^[3]. Eso cambia el lugar de la robótica en la obra: un robot con cerebro alquilado no espera infraestructura propia, se conecta a los centros de datos que ya se pagan y compra inferencia por episodio como cualquier cliente ^{[2] [10]}.

Lo que se vuelve posible en la región es una célula de trabajo sin un laboratorio de inteligencia artificial detrás. Un integrador de Monterrey o de Campinas puede combinar un cuerpo chino de catálogo con un modelo alquilado por uso, y poner de lo suyo la interfaz y las pruebas. Al cambio oficial del 16 de octubre, un R1 cuesta unos 24.900 reales antes de aranceles y envío ^{[15] [21]}. Es algo más que un año de salario mínimo brasileño contando el aguinaldo ^[22]. Las tareas que mejor encajan son las que toleran que el robot piense unos segundos: inspeccionar piezas, clasificar devoluciones, preparar pedidos, mover muestras en un laboratorio. Brasil ya instala robots industriales a un ritmo inédito, con un alza del 38 % en 2025 hasta casi 4.300 unidades, empujada por las inversiones de las automotrices chinas ^[12]. México encadenó su tercer año de caída y quedó por debajo de 5.200 ^[12], así que su planta mediana, que nunca pudo pagar un proyecto de automatización clásico, es el cliente natural de esa célula.

El cuerpo es la otra mitad del cálculo. Estados Unidos ya no autoriza modelos nuevos de robots móviles fabricados fuera de su territorio ^[17], y no encontramos una norma equivalente en América Latina. La región queda así como el gran mercado abierto donde la mejor cabeza estadounidense, alquilada por API, puede montarse legalmente sobre el cuerpo chino más barato. Mercado Libre muestra que la región todavía no ocupa ese lugar: su humanoide es un Digit de la estadounidense Agility que trabaja en Texas, y sus almacenes latinoamericanos figuran como casos por explorar ^[23].

El ciclo que describe Physical Intelligence aclara dónde queda el valor: recoger demostraciones, entrenar, probar y usar los fallos para decidir qué recoger después ^[1]. Ese ciclo pertenece a quien opera la tarea y no a quien fabrica el modelo, y la región tiene las tareas en la mina, el campo, el almacén y la cocina industrial. Es la lección de la Nº 014 vista desde el taller: el activo es la comprobación, el conjunto de casos reales que dice si la máquina acertó.

El contrapunto pesa. Ningún resultado de esta semana es un robot en producción, porque el mejor es una simulación con cámara fija que piensa 18 segundos por paso ^[2], y el especialista que vende el cerebro sigue cobrando por ajustarlo con datos propios ^[1]. Un modelo sin versiones fechadas puede cambiar bajo el robot sin aviso ^[2], y eso choca con cualquier certificación que exija saber qué software corre en la máquina. La nube tampoco está garantizada en una mina o en un campo con señal intermitente, que es donde los modelos locales de Google y de NEURA tienen su razón de ser ^{[6] [5]}. Un cuerpo barato con una falla conocida de Bluetooth es un riesgo real dentro de una planta ^[19], y Washington podría pedir a sus socios lo que ya se exige a sí mismo. No encontramos un solo robot en la región gobernado por un modelo general, de modo que la oportunidad está descrita y todavía no está demostrada.

LA JUGADA

1. Construye la interfaz, no el cerebro. Haz herramientas legibles para mirar, apuntar y mover, que cualquier modelo pueda operar, y cambia de modelo cuando salga uno mejor sin tocar el robot.
2. Empieza por las tareas que pueden esperar. La inspección, la clasificación y el laboratorio toleran segundos de pensamiento; deja a una política local lo que no puede esperar ni quedarse sin señal.
3. Escribe primero las pruebas. El activo es el conjunto de episodios reales de tu cliente y lo que debe salir en cada uno, porque con él se evalúa cualquier cabeza que alquiles mañana.