Cuando un grupo de académicos empezó a fabricar hardware de robótica de código abierto, una generación entera de roboticistas recuperó años de trabajo. Hoy el desafío es más alto: lograr que los robots piensen. Y ese problema también está empezando a abrirse.

El movimiento, según un reporte de IEEE Spectrum, está aún en fase temprana, pero compañías como Hugging Face, Nvidia y Alibaba ya hicieron apuestas significativas en los últimos dos años. Liberaron herramientas y modelos apuntados al nivel más alto del trabajo robótico: razonar, decidir y ejecutar.

Si esos intentos prosperan, la barrera para construir un robot funcional podría caer tan rápido como cayó la barrera para construir aplicaciones de IA durante el último ciclo.

El mundo que construyó ROS

El software open source en robótica existe desde mediados de los noventa. Proyectos tempranos como el paquete Inter-Process Communication de Carnegie Mellon o el Player project de comienzos de los 2000 sentaron las bases, pero seguían atados a grupos de investigación específicos. Ese fragmento se ordenó cuando llegó ROS (Robot Operating System) en 2007: un framework que se monta sobre Linux y resuelve los fundamentos robóticos, como mover datos entre componentes, hablar con el hardware, construir mapas, planear rutas y entregar herramientas de desarrollo.

Antes de ROS, cada equipo escribía esa infraestructura desde cero. Solía tomar uno o dos años antes de que un laboratorio pudiera siquiera arrancar con la investigación que de verdad le importaba.

Brian Gerkey, que ayudó a construir ROS y hoy es CTO de Intrinsic, la unidad de robótica e IA de Google, lo resume así.

"Soy un constructor de herramientas y me gusta compartir todo de la manera más abierta posible, porque creo que ahí es donde sacamos más impacto a lo que construimos."

A la par, la comunidad de IA fue tomando el mismo camino: compartir investigación, modelos y datos en abierto. El campo aceleró más rápido de lo que casi nadie había predicho. Algunos de esos mismos avances recién están aterrizando en la robótica.

¿Qué cambió con LeRobot y los modelos abiertos?

Spencer Huang, director de producto de robótica en Nvidia, sostiene que la visión por computador pasó de ser un problema duro a algo que se resuelve en unas pocas líneas de código. Las herramientas de simulación se volvieron suficientemente precisas para entrenar, y el tooling especializado dejó de estar tras puertas cerradas.

Nvidia construyó un stack open source completo:

  • Cosmos: modelos de mundo que generan datos sintéticos de entrenamiento y simulan entornos físicos.
  • GR00T: modelos que dan a los robots la capacidad de razonar y ejecutar tareas complejas.
  • Isaac: frameworks que orquestan entrenamiento, simulación y despliegue.

Todos los modelos open source de Nvidia viven en Hugging Face, que se transformó en el lugar por defecto para compartir modelos y datasets. En mayo de 2024, la plataforma lanzó LeRobot, un hub específico para IA de robótica. El crecimiento fue brutal: pasó de 1.145 datasets a fines de 2024 a más de 58.000 datasets hoy, convirtiéndose en la categoría más grande del sitio.

Hugging Face también se metió en hardware comprando la francesa Pollen Robotics. La movida vino de una constatación, según su CEO Clement Delangue: el software solo no alcanzaba.

Entre los contribuyentes a LeRobot hay nombres grandes, laboratorios académicos y aficionados que arman robots en su tiempo libre. Alibaba liberó este año RynnBrain, un modelo fundacional open source para IA física que la compañía dice supera a ofertas comparables de Google y Nvidia en benchmarks.

¿Por qué importa para el ecosistema?

El argumento de fondo lo plantea Delangue.

"Tener robots en casa que no entiendes realmente, que no controlas realmente, que unas pocas personas en Silicon Valley controlan, es un pensamiento que asusta. El open source ofrece un camino alternativo."

Pero llegar ahí no es lineal. El open source que se ve hoy se parece poco al de la generación ROS, que salió de académicos juntando trabajo sin un interés comercial directo. Los principales contribuyentes actuales son empresas con razones de negocio claras para que más gente construya sobre sus plataformas.

Bill Smart, profesor de Oregon State University y parte de la primera comunidad open source en robótica, advierte un riesgo concreto: investigadores que llegan desde la IA sin background robótico a veces resuelven problemas que el campo ya tenía resueltos. Un recién llegado puede pasar una semana entrenando una red neuronal para mover una mano robótica de un punto a otro, sin saber que la misma tarea se hace con un par de líneas usando técnicas de décadas.

Aún así, Smart no es pesimista. Más personas que nunca están en el campo, las herramientas son genuinamente más fáciles y la comunidad es más diversa que cualquier cosa que existió cuando arrancó ROS.

"Cualquiera puede mover un robot ahora", dice. "Como viejo de la tecnología, eso me hace feliz y triste, porque ya no soy especial."

¿Qué significa esto para integradores LatAm?

Para clubes universitarios, makers y pequeñas empresas en Chile y la región, el cambio es práctico: replicar un brazo robótico que entienda instrucciones en lenguaje natural ya no requiere doctorado ni licencias caras. Un kit con Jetson Nano (USD 199 nominal) o un Jetson Orin Nano Super (USD 249) puede correr GR00T o un fork en español de RynnBrain. Los datasets de LeRobot son descargables y el pipeline ROS sigue siendo el estándar que enseñan las facultades de ingeniería electrónica e informática locales.

El movimiento todavía depende de incentivos comerciales —Nvidia quiere que su stack se vuelva la opción por defecto— pero el efecto neto, al menos por ahora, es accesibilidad real.