La robótica humanoide escala con rapidez, aunque su evolución todavía cuesta verla

La publicación del 20 de agosto sobre la Conferencia Mundial de Robots 2026 dejó una conclusión paradójica: la IA embodied —o inteligencia artificial encarnada en un cuerpo físico— está creciendo comercialmente mucho más deprisa de lo que parece estar avanzando en generalización.

En Pekín hubo una gran variedad de demostraciones y lanzamientos. La organización anunció más de 3.000 productos y cientos de empresas expositoras, en una edición orientada a llevar la robótica desde el escaparate tecnológico hacia fábricas y otros entornos reales. 26 Sin embargo, para el observador atento, muchas escenas resultaban familiares: robots bailando, practicando deportes, clasificando objetos o repitiendo rutinas industriales similares a las del año anterior. El problema no era la falta de demostraciones espectaculares, sino que todavía no se apreciaba con claridad un salto equivalente en autonomía robusta. 12

Un mercado que crece más rápido que sus capacidades visibles

El mercado sí mostró una expansión contundente. La publicación cifró en más de 22.000 los robots humanoides enviados en todo el mundo durante el primer semestre de 2026 y proyectó más de 50.000 unidades para el conjunto del año. AgiBot habría enviado unas 9.700 unidades, Unitree más de 7.000 y Galaxy General más de 1.100. Las cinco empresas líderes concentraban el 86% del mercado. 12

Por áreas de aplicación, los envíos se distribuían principalmente entre:

• Entretenimiento: alrededor del 38%.
• Producción de datos e investigación: cerca del 26%.
• Fabricación inteligente: aproximadamente el 16%.
• Almacenamiento y logística: en torno al 10%. 12

Estas cifras apuntan a una industria que ya está produciendo y colocando robots a gran escala. Pero vender más unidades no significa necesariamente que los robots hayan aprendido a desenvolverse de forma general en cualquier situación.

El verdadero cuello de botella: pasar de la rutina a la adaptación

Según el análisis, las limitaciones más difíciles de resolver no dependen únicamente del hardware. También incluyen la obtención de grandes volúmenes de datos embodied de alta calidad y suficientemente variados; la diferencia entre una demostración cuidadosamente guionizada y un comportamiento que puede transferirse a otro escenario; la adaptación a objetos, distribuciones y fábricas nuevas; y la necesidad de recalibrar continuamente los sistemas de ingeniería. 12

Wang Xingxing planteó que operar de forma fiable en una escena fija es cada vez más factible. El salto complicado llega cuando el robot debe salir de ese entorno controlado: para ello todavía necesita un amplio proceso de entrenamiento posterior y una participación humana continuada. 12

Wang He situó la prueba definitiva en una escala mucho mayor: comprobar si un robot puede generalizar sus habilidades en 100 fábricas o 1.000 tiendas, seguir instrucciones expresadas en lenguaje natural y trabajar en lugares que no conoce de antemano. 12 En otras palabras, que no solo ejecute una coreografía aprendida, sino que entienda qué se le pide y resuelva la tarea cuando cambian las condiciones.

La publicación comparó los modelos embodied actuales con una etapa similar a la de GPT-2 y mencionó la expectativa de alcanzar capacidades comparables a GPT-3.5 o GPT-4 alrededor de 2028. Se trata de una previsión, no de un resultado demostrado ni de un estándar independiente de medición. 12

Unitree y Galaxy General: dos apuestas distintas

La conferencia también puso de relieve dos estrategias diferentes dentro del sector.

Unitree: movimiento, coste y volumen

Unitree apareció asociada sobre todo al control del movimiento, la ingeniería del cuerpo robótico, el bajo coste y la capacidad de producción. Su fortaleza no fue presentada como el liderazgo en modelos fundacionales de IA embodied, sino como la posibilidad de construir robots dinámicos y distribuirlos a gran escala. En el evento mostró como adelanto un robot capaz de alcanzar 12,65 metros por segundo. Además, sus envíos del primer semestre superaron las 7.000 unidades, equivalentes a cerca del 31% del mercado. 12

Galaxy General: modelos fundacionales y aprendizaje a partir de vídeos

Galaxy General centró su propuesta en los modelos fundacionales para robots. La empresa presentó su humanoide bípedo ET1 y afirmó que había entrenado su modelo general de cuerpo completo con unas 100.000 horas de datos de movimiento humano. 12

Su método WAM-TTT —siglas de World Action Model Test-Time Training, o entrenamiento del modelo de acción mundial en tiempo de prueba— busca que un robot se adapte observando vídeos de trabajadores mientras realizan una tarea. Según la propuesta, los clientes no tendrían que etiquetar manualmente cada ejemplo ni controlar el robot a distancia; bastaría con grabar vídeos en el lugar de trabajo para continuar entrenando el modelo y ajustarlo a una operación concreta. 14

El análisis destacó asimismo que Galaxy General habría pasado de las demostraciones de prueba de concepto a despliegues en decenas de fábricas de CATL. Es un avance comercial relevante, aunque debe interpretarse como información de la empresa o de sus despliegues, no como una evaluación independiente de inteligencia general o autonomía universal. 12

La pregunta que queda abierta

La imagen que dejó el encuentro es, por tanto, menos contradictoria de lo que parece. La industria está creciendo, los envíos se multiplican y algunos robots ya se incorporan a operaciones reales. Al mismo tiempo, la evolución que más importa —la capacidad de comprender instrucciones, adaptarse a objetos y espacios nuevos y trabajar con poca intervención humana— sigue siendo difícil de observar en las demostraciones públicas.

La robótica humanoide parece haber entrado en una fase de consolidación comercial. Su siguiente gran prueba no será hacer otra demostración llamativa, sino demostrar que una habilidad aprendida en un escenario puede trasladarse de forma fiable a muchos otros. 12