Juegos de Robots Muestran Récords de Carrera y Colapsos en el Escenario

Corrieron más rápido que Usain Bolt, pero luego no pudieron detenerse.

En los segundos Juegos Mundiales de Robots Humanoides celebrados en Beijing el mes pasado, los robots cruzaron la meta de 100 metros a velocidades que pondrían nerviosos a cualquier estrella del atletismo humano. Pocos metros después, se estrellaron contra las barreras. Algunos cayeron por los aires. Un robot Honor se partió por la mitad en una lluvia de chispas. Otro estalló en llamas.

El espectáculo era exactamente lo que cabía esperar de un evento que combina el atletismo al estilo olímpico con el estado actual de la ingeniería robótica: impresionante cuando funciona, vergonzosamente frágil cuando falla.

Lo que hizo que los juegos de este año —celebrados del 22 al 26 de agosto en el Óvalo Nacional de Patinaje de Velocidad— fueran particularmente instructivos no fue el material viral de los accidentes. Fue el contraste entre las tareas rápidas y simples, y las lentas y caóticas. Los robots que batían récords humanos de sprint estaban diseñados para un solo trabajo. Los robots a los que se pidió lavar la colada, doblar la ropa o martillar un clavo recto en una tabla de corcho parecían estar aún aprendiendo qué es un clavo.

Esa brecha es la verdadera historia aquí.

Correr es fácil. La vida no lo es.

Dipam Patel, candidato a doctor en ciencias de la computación en la Universidad de Purdue y asistente de investigación en el laboratorio de investigación del Ejército de EE. UU. DevCom, lo expresó con claridad. Los robots que dominaron las pruebas de sprint y salto de altura mostraron avances significativos en el control de todo el cuerpo —coordinar docenas de articulaciones, extremidades y sistemas de equilibrio para lograr una tarea estrecha y bien definida—. Eso es ingeniería real. Pero también es un truco de salón en un sentido más amplio.

“Si cruzas la meta, ese es el objetivo: no importa si te detienes ni importa si te desarmas en trozos diferentes”, dijo Patel.

Los robots corrían en línea recta. No podían frenar de forma segura. No podían recuperarse si tropezaban. Estaban optimizados para una única ráfaga de movimiento en un entorno controlado, no para las demandas abiertas e impredecibles del trabajo real.

Esto no es nuevo: es la tensión central de la robótica en este momento. Cada empresa que afirma liderar en robots humanoides ha demostrado algo espectacular en una competición o en el día de demostración. Ninguna ha demostrado nada que se parezca a ocho horas de turno realizando tareas variadas en un entorno real. La brecha algorítmica entre “moverse rápido en línea recta” y “hacer lo que sea necesario” sigue siendo enorme.

Los eventos aburridos contaron la verdad

Los juegos de este año introdujeron una nueva categoría: desafíos prácticos al estilo doméstico. Se pidió a los robots que lavaran y tendieran la ropa, limpiaran salas de estar, movieran equipaje en un hotel, desmontaran y remontaran camas, estibasen libros en una biblioteca y, en uno de los escenarios más vívidos, identificaran sustancias peligrosas, cerraran tres tipos distintos de válvulas, localizaran un fuego, encontrarán un extintor y lo apagaran en 30 minutos.

Solo tres de los doce equipos completaron el desafío de extinción de incendios. Las tareas de lavado y limpieza fueron más lentas que el rendimiento humano típico. Las pruebas de martillado expusieron problemas fundamentales de precisión. Esos fueron los eventos que importaban.

El ejercicio de extinción de incendios, en particular, reveló cuánto aún tiene que avanzar la toma de decisiones autónoma. Identificar un peligro, reconocer tres tipos distintos de válvulas, localizar un foco de fuego y seleccionar el extintor correcto requiere percepción, razonamiento y adaptabilidad que ningún robot en los juegos demostró de forma convincente.

Y aquí está el detalle incómodo: muchos competidores en estos eventos prácticos aún eran teleoperados por controladores humanos, penalizados pero no descalificados. Eso te dice todo lo que necesitas saber sobre dónde se encuentra realmente la autonomía.

Aprendizaje por refuerzo y la trampa de la simulación

Una de las participaciones más interesantes fue la de un robot de la compañía Beijing-based X-Humanoid que ganó la carrera de 400 metros en grupo reducido con una postura extraña, con los brazos arriba, que el Global Times describió como similar a “una persona tímida ocultándose detrás de sus manos”. Sus desarrolladores dijeron que el aprendizaje por refuerzo en simulación había alejado al robot de un balanceo natural de brazos hacia esa zancada impulsada por las caderas y protectora de los brazos que, casualmente, era más rápida.

Ese es un resultado genuino del entrenamiento robótico moderno: algoritmos que encuentran soluciones contraintuitivas que los humanos no diseñarían. Pero también es un recordatorio de cuán estrecho era el dominio de entrenamiento. Ese robot aprendió a ganar una carrera de 400 metros. No aprendió a vivir en el mundo.

Patel señaló el problema central: puedes simular 100.000 escenarios para martillar un clavo, pero esa es una sola tarea entre millones en el mundo real. Recopilar datos de demostración —la transmisión visual de humanos realizando tareas que los modelos de IA utilizan ahora para entrenarse— sigue siendo costosa y lenta, a pesar de que las empresas pagan a personas ordinarias por strapearse cámaras a la cabeza y seguir con sus rutinas.

La muleta de la nube

Hay otra capa del problema de la autonomía que no recibió suficiente cobertura. Según el South China Morning Post, muchos de los robots competidores confiaban en módulos 5G para descargar el cómputo a “sistemas de inteligencia corporizada” basados en la nube, en lugar de ejecutar modelos de IA en hardware a bordo. El robot percibe el mundo, envía los datos a un centro de servidores y recibe instrucciones de vuelta.

Eso no es autonomía. Es marionetería con mejor latencia. Un despliegue en el mundo real —en una fábrica, un almacén, un hogar— no puede garantizar conectividad 5G constante. Los robots que no pueden pensar sin señal de teléfono no están listos para los trabajos en los que los inversionistas están apostando.

Hacia dónde va el dinero

Los inversionistas destinaron más de $6.000 millones a empresas de robots humanoides solo en 2025. Las compañías chinas se mueven con agresividad, probando y desplegando a un ritmo que ha alarmado a los legisladores de EE. UU., quienes desde entonces prohibieron la importación de robots fabricados en el exterior, incluyendo los modelos más populares de China. Boston Dynamics y Agility Robotics están intensificando sus propios planes comerciales en almacenes y fábricas estadounidenses.

Los Juegos Mundiales de Robots Humanoides son, en parte, una vitrina para ese ecosistema de inversión. Los tiempos espectaculares de sprint y los accidentes dramáticos generan titulares. Los titulares atraen atención. La atención atrae capital. Eso no es cínico: es cómo los ecosistemas tecnológicos construyen impulso.

Pero las cifras llamativas ocultan la realidad subyacente. Batir un récord humano de sprint en una pista plana y medida no es lo mismo que construir un robot que pueda trabajar un turno completo. Los juegos demostraron lo primero y destacaron la ausencia de lo segundo.

Qué viene después

La propia investigación de Patel apunta hacia una solución diferente a construir cuerpos humanoides mejores: software que permita a muchos tipos de robots —no solo a los de forma humana— cambiar entre tareas sin problemas. La industria está actualmente obsesionada con el factor de forma humanoide porque es visualmente atractivo y, en cierto sentido, versátil. Pero los robots más productivos en operación hoy llegan en formas que no tienen nada que ver con los humanos.

La siguiente iteración de los Juegos Mundiales de Robots Humanoides sería más reveladora si los competidores tuvieran que correr la misma carrera diez veces seguidas, o atender una interrupción inesperada en medio de una tarea, o operar sin conexión 5G. Hasta entonces, los tiempos récord son reales pero estrechos, y los accidentes en llamas son la parte honesta de la historia.