Jonathan Hurst, cofundador y chief robot officer de Agility Robotics y profesor de robótica en la Universidad Estatal de Oregón, junto a Hans Peter Brøndmo, exvicepresidente de Google X entre 2016 y 2023 y líder del moonshot Everyday Robots, publicaron en IEEE Spectrum una columna conjunta con cinco verdades duras sobre el cruce entre inteligencia artificial y robótica. La tesis es directa: no esperen un único momento mágico que resuelva la robótica.

En 2025 la inversión total en empresas de robótica alcanzó un récord de USD 40.700 millones, equivalente al 9% del capital de riesgo global, según los datos que ambos autores citan. Pese a esa cifra, el salto desde demos virales a robots realmente útiles en fábricas y hogares sigue siendo significativo. Para Hurst y Brøndmo, la arquitectura ganadora no será un único modelo gigante, sino "IA agéntica" que coordine sistemas especializados.

¿Por qué desconfiar de los videos virales de robots?

La regla interna del sector, según los autores, es "nunca confiar en un video de robot en YouTube". El ejemplo más reciente es la coreografía de robots humanoides Unitree con niños en la Gala del Festival de Primavera de 2026 en China: una demostración técnicamente impresionante, pero coreografiada al detalle.

En esas exhibiciones la IA solo se usa para control motor de bajo nivel, lo justo para que los robots no se caigan. La autonomía real necesaria para que un robot funcione en una sala de estar o en una planta sin guion previo es otra cosa completamente distinta.

El problema de los datos sigue sin resolverse

Los modelos como ChatGPT o Claude se entrenaron con corpus de internet a escala masiva, todo generado por humanos. Para robots de propósito general no existe nada comparable: el modelo necesita aprender en un espacio de configuración de altas dimensiones que incluye texto, condiciones de iluminación, grados de libertad articulares, velocidades, fuerza y límites de seguridad.

Everyday Robots en Google X corrió 240 millones de instancias de robots en simulador durante 2022 solo para entrenar un modelo de clasificación de basura. Volúmenes comparables se necesitarán por cada nueva habilidad, y aun así no se alcanza nivel humano.

Para tapar el déficit, los equipos combinan teleoperación, captura de movimiento de humanos, análisis de video y autoexploración en simulación y mundo real. Todas las vías son parciales.

¿Llegará un único modelo de IA que controle todos los robots?

Para Hurst y Brøndmo, la respuesta corta es no. Un robot de propósito general puede tener ruedas o piernas, uno o más brazos, hélices para volar o cuerpo para operar bajo el agua. Entrenar un solo modelo que opere de forma segura en todos esos escenarios "no se hace, al menos no por un buen rato", escriben.

La apuesta de ambos es por IA agéntica para robots: modelos coordinadores de alto nivel que razonen, planifiquen, usen herramientas y aprendan de resultados, invocando subsistemas especializados según la tarea. Pronto se verán múltiples robots colaborando entre sí mediante sus propios modelos agénticos a bordo, anticipan.

Los autores ven paralelos con la historia de internet: el progreso real ocurrió cuando la tecnología se volvió ubicua. Algo similar esperan con la democratización de comportamientos complejos a medida que estas herramientas de IA, varias open source, lleguen a más equipos.

El hardware sigue siendo durísimo

El cuarto frente que destacan es físico. Un robot útil y seguro exige que cada parte (percepción, cómputo, actuadores) funcione coordinada y con precisión milimétrica.

Los actuadores, es decir motores y reductores, son el ejemplo paradigmático. Los que usan los brazos industriales a escala hoy no sirven para robots que conviven con personas: si chocan accidentalmente contra alguien, la rigidez de esos componentes es un riesgo. Diseñar actuadores compliantes, de bajo costo y producibles en serie es uno de los cuellos de botella menos visibles del sector.

¿Qué significa esto para integradores en LatAm?

La columna no aborda la región, pero la lectura es clara para Chile y el resto de LatAm: ningún proveedor "vende robótica resuelta" todavía. Los integradores que están adoptando humanoides de Unitree, Figure o 1X seguirán enfrentando ventanas largas de configuración, recolección de datos propios y ajuste fino del stack. La proyección de Agility Robotics de poner sus Digit en almacenes a escala industrial sigue siendo el techo actual de utilidad real: tareas repetitivas en entornos semicontrolados, no asistencia general en hogares.

A nivel de hardware accesible, la promesa "agéntica" llega antes a plataformas de investigación y educación que a robots de servicio. Un Jetson Orin Nano de USD 499 o un ESP32 con sensores básicos siguen siendo el punto de entrada realista para experimentar con estos modelos en laboratorios universitarios y makerspaces.