Robots que aprenden: La IA avanza más allá de los algoritmos y entra en el mundo físico.
La inteligencia artificial ha revolucionado la generación de texto, imágenes y código, pero su verdadero desafío está en el plano físico. Un robot no puede operar solo con instrucciones teóricas: necesita observar, repetir, equivocarse y acumular datos de movimientos reales. Por eso, la próxima frontera no es solo mejorar su hardware, sino crear sistemas que les enseñen a actuar fuera de los laboratorios. Ese futuro ya está en marcha en China.
En la provincia de Fujian, la primera gran «fábrica de datos» del país ha comenzado sus pruebas. Ubicada en el área D del Fuzhou Software Park, esta instalación —desarrollada por Fujian Jufu Technology— funciona como una especie de «escuela» para robots. Allí, casi 30 humanoides son guiados por operarios (llamados «profesores») para realizar tareas cotidianas: desde limpiar mesas hasta clasificar frutas o manipular paquetes.
El proceso parece sencillo, pero es técnicamente exigente. Los operarios usan dispositivos de realidad virtual y mandos para dirigir cada movimiento del robot. Cuando un humano levanta el brazo, la máquina imita el gesto —por ejemplo, agarrando un vaso de papel para colocarlo en otro lugar—. Lo crucial no es solo completar la acción, sino que cámaras y sensores registren cada ángulo, presión y trayectoria para alimentar su base de datos.
¿Cómo aprenden los robots en su «escuela» de datos?
Lo que parece trivial para los humanos —como limpiar una mesa— es un desafío complejo para un robot. Cada gesto requiere una secuencia precisa de decisiones físicas. Jiao Shiwei, ingeniero de recogida de datos, explicó a Fuzhou News que incluso los movimientos más pequeños deben aprenderse mediante datos, adaptados a las características específicas de cada máquina para optimizar su trayectoria.
El objetivo final es la «generalización»: que el robot aplique lo aprendido en entornos cambiantes. Shiwei lo ejemplificó con dos acciones básicas: coger un vaso o limpiar una superficie. Si el objeto, la mesa o la mancha son siempre iguales, la tarea es sencilla. Pero en una fábrica, una casa o un espacio público, nada se repite. Por eso, los operarios introducen variaciones constantes en los objetos y escenarios para ampliar el margen de aprendizaje.
Este enfoque refleja una carrera por los datos única en la robótica. A diferencia de otros campos de la IA —donde el progreso se basa en información digital existente—, aquí los ejemplos deben generarse desde cero: con máquinas reales, objetos reales y repeticiones infinitas. Como señalaba Xinhua, el cuello de botella ya no está solo en el hardware, sino en cómo perfeccionar el «cerebro» de los robots mediante entrenamiento en contextos aplicables.
De la fábrica de datos a la industria: ¿el futuro del trabajo?
El proyecto trasciende lo académico. Chen Yishi, CEO de Jufu Technology, destacó que estas «fábricas de datos» son clave para soportar modelos de extremo a extremo y su implementación en sectores específicos. La meta no es crear robots rígidos, limitados a secuencias fijas, sino sistemas capaces de tomar decisiones autónomas basadas en entrenamiento real.
Jufu Technology, fundada en septiembre de 2023, combina la recolección de datos con desarrollo propio. Su ambición va más allá de acumular ejemplos de movimiento: busca construir un ecosistema local que integre talento algorítmico, colaboración industrial y aplicaciones prácticas. Yishi mencionó que sus productos futuros apuntan a áreas como fabricación industrial, inspección de seguridad, investigación y educación, aunque aún es una hoja de ruta en desarrollo.
La pregunta clave es: ¿Podrán estos robots, entrenados con datos reales, adaptarse a trabajos humanos en menos de una década?
El precedente japonés: ¿Por qué China acelera donde otros fracasaron?
La apuesta china por «escuelas» de robots no es un experimento aislado, sino una respuesta a un problema que frenó a potencias como Japón: la brecha entre el laboratorio y el mundo real. En los 80 y 90, Japón dominó la robótica industrial con brazos articulados para cadenas de montaje, pero sus humanoides —como el ASIMO de Honda— nunca superaron la fase de prototipo útil. El costo de entrenarlos para entornos no estructurados (hogares, calles) resultaba prohibitivo. China evita ese error al priorizar datos masivos sobre hardware sofisticado, un giro que analistas de McKinsey vinculan con su ventaja en manufactura a gran escala.
El modelo chino también contrasta con el de EE.UU., donde empresas como Figure AI o Tesla Optimus dependen de simulaciones por computadora. Según informes de la industria, esas simulaciones reducen costos iniciales, pero generan robots «torpes» en escenarios impredecibles. La fábrica de Fujian, en cambio, apuesta por entrenamiento híbrido: combina datos reales (70% del tiempo) con simulaciones para tareas repetitivas. Esto acelera la curva de aprendizaje en áreas como logística (donde la variabilidad de paquetes es alta) o atención a ancianos (que exige adaptabilidad a gestos humanos).
- Logística: Empresas como SF Express ya testean robots en almacenes, pero su eficiencia cae un 40% cuando los objetos no están estandarizados (ej.: cajas deformadas). Los datos de Fujian podrían resolverlo.
- Manufactura: En fábricas de Foxconn, el 60% de las tareas aún requieren humanos por su complejidad sensorial (ej.: ensamblar cables flexibles). Los humanoides entrenados con variabilidad real podrían cubrir ese nicho.
- Servicios: Hoteles en Shanghái usan robots para entregar comida, pero fallan en un 30% de los casos por obstáculos no previstos (ej.: niños corriendo). La «escuela» de datos busca reducir ese margen.
2030: ¿Robots como «trabajadores temporales» antes que como empleados?
El verdadero disruptor no será la tecnología en sí, sino su modelo de implementación. Fuentes del sector indican que China planea desplegar estos robots primero como «fuerza laboral bajo demanda» en picos de producción (ej.: Black Friday, cosechas agrícolas), donde la escasez de mano de obra es crítica. Esto difiere del enfoque occidental, centrado en automatización fija. Si el experimento de Fujian escala, podría redefinir el concepto de «empleo robótico»: no como reemplazo permanente, sino como complemento flexible en economías con envejecimiento poblacional. La clave estará en si los datos recolectados hoy —con sus limitaciones de contexto— bastan para ese salto.
