China busca que sus robots humanoides aprendan solos; Unitree prepara una IA

Durante años, los fabricantes de robots humanoides han competido por demostrar quién puede construir la máquina más ágil. Hemos visto robots corriendo, bailando, practicando artes marciales e incluso recuperando el equilibrio después de recibir empujones. Sin embargo, ninguna de esas habilidades resuelve el verdadero desafío de la robótica moderna: conseguir que una máquina aprenda a realizar trabajos útiles sin tener que programarla prácticamente desde cero para cada tarea.

La empresa china Unitree Robotics cree que ha llegado el momento de cambiar esa dinámica. Su fundador, Wang Xingxing, acaba de presentar un proyecto que pretende automatizar buena parte del proceso mediante el cual los robots adquieren nuevas capacidades.

La propuesta, denominada Unitree Rehearsal, combina inteligencia artificial, generación de código, simulaciones y pruebas físicas en un ciclo de aprendizaje continuo. Su objetivo es que los sistemas de IA puedan participar directamente en el desarrollo de los propios robots, reduciendo el trabajo manual de los ingenieros.

Unitree quiere que una inteligencia artificial programe y entrene a sus propios robots

La iniciativa fue presentada el 22 de octubre durante la Conferencia Mundial de IA Física y Ecosistema de Socios de Unitree, celebrada en Hangzhou, China. Actualmente, enseñar una habilidad nueva a un humanoide puede requerir semanas de recopilación de datos, programación, entrenamiento y corrección de errores. Incluso cuando una tarea funciona correctamente en el laboratorio, reproducirla en otro entorno puede exigir nuevos ajustes. Según explicó Wang en declaraciones recogidas por el South China Morning Post, su empresa pretende automatizar ese proceso mediante un circuito de retroalimentación.

En lugar de comenzar cada desarrollo manualmente, agentes de inteligencia artificial buscarían investigaciones científicas, escribirían código de control y probarían sus propuestas en simulaciones digitales. Los resultados prometedores se trasladarían posteriormente a robots físicos para comprobar su funcionamiento.

El sistema evaluaría los resultados y utilizaría esa información para iniciar nuevas rondas de entrenamiento. Aunque está diseñado para reducir la intervención humana, el propio Wang reconoce que los especialistas seguirán participando cuando sea necesario. La diferencia es importante: no se trata de robots que modifican libremente su hardware o evolucionan como organismos vivos, sino de automatizar parte de los procesos de desarrollo de software y aprendizaje de habilidades físicas.

China ya sabe fabricar robots que bailan y corren. Ahora necesita que sepan trabajar

Unitree se ha convertido en uno de los nombres más reconocibles de la robótica china gracias a sus robots cuadrúpedos y a modelos humanoides como el G1, capaces de ejecutar movimientos complejos. Pero la industria está entrando en una etapa diferente. La habilidad para caminar o mantener el equilibrio es necesaria, aunque insuficiente para realizar tareas domésticas, industriales o comerciales.

En una entrevista publicada por 36Kr el 23 de octubre, Wang sostuvo que los próximos dos o tres años podrían traer avances importantes en inteligencia artificial física. Su argumento es que los modelos generales de IA mejorarán la capacidad de los robots para interpretar instrucciones, planificar acciones y aprender nuevas tareas.

El fundador también ha mencionado experimentos internos en los que sus máquinas utilizaron modelos avanzados de lenguaje para realizar actividades como pintar o jugar al Go sin haber recibido entrenamiento específico para cada una. No obstante, estas demostraciones no prueban que los robots puedan repetir consistentemente las mismas acciones en cualquier situación. Un sistema capaz de ejecutar una secuencia previamente ensayada todavía puede fallar cuando cambian la iluminación, los objetos o el entorno.

La promesa de tener un robot en casa en 2027 choca con un problema que la IA todavía no sabe resolver

Wang cree que los humanoides podrían comenzar a realizar tareas domésticas sencillas, como ordenar habitaciones, entre 2027 y 2028. También ha planteado que algunos modelos podrían llegar a hogares antes de que termine 2027. Pero existe una diferencia enorme entre vender un robot capaz de caminar y conseguir que ordene una cocina sin romper un vaso, confundir objetos o necesitar ayuda.

El AI Index 2026 de la Universidad de Stanford ofrece una comparación reveladora: los sistemas robóticos alcanzan un 89,4% de éxito en determinadas tareas de manipulación simuladas, mientras que apenas resuelven el 12% de las tareas domésticas reales evaluadas. Las cifras proceden de evaluaciones diferentes, pero ilustran la distancia entre entrenar movimientos en un entorno controlado y trasladarlos a una vivienda donde cada objeto puede estar colocado de manera distinta.

El nuevo sistema de Unitree pretende reducir esa distancia mediante aprendizaje continuo. Sin embargo, todavía no se conocen resultados independientes que permitan demostrar cuánto acelera el entrenamiento ni con qué fiabilidad pueden transferirse las habilidades desde una simulación al mundo físico.

La compañía china tiene una ventaja: ya dispone de robots físicos con los que experimentar, recopilar información y evaluar sus modelos. Cuantas más pruebas pueda realizar, mayor será el volumen de datos disponibles para perfeccionar sus sistemas. Pero aprender con rapidez no equivale necesariamente a aprender bien. Una máquina que modifica su comportamiento también necesita mecanismos de evaluación capaces de detectar errores antes de que afecten a personas u objetos.

Unitree Rehearsal representa, por tanto, un cambio de prioridades para la empresa. Después de demostrar que sus humanoides pueden moverse con una agilidad sorprendente, ahora quiere acelerar el proceso que podría convertirlos en trabajadores útiles. La verdadera prueba no será ver a un robot ejecutar otra coreografía espectacular. Será comprobar si puede entrar en una casa desconocida, comprender qué necesita hacer y completar la tarea sin que un ingeniero tenga que enseñarle cada movimiento.