La empresa londinense Humanoid ha presentado oficialmente KinetIQ Ascend, un enfoque innovador para el entrenamiento de robots humanoides basado en el método de prueba y error directamente en entornos de producción reales. Según el desarrollador, esta tecnología puede elevar la eficiencia de las manipulaciones hasta el 99,9 % a una velocidad comparable o superior a la humana.

KinetIQ Ascend es una extensión del marco existente KinetIQ, que es la base de todos los robots de Humanoid. La diferencia clave del nuevo enfoque es el uso del aprendizaje por refuerzo (reinforcement learning, RL). A diferencia de la simple imitación de acciones humanas, el sistema repite la tarea de forma autónoma, recibe retroalimentación sobre el éxito o el error y mejora sus acciones de forma iterativa. Humanoid ejecuta el RL no en una simulación virtual, sino directamente en el equipo real, las 24 horas del día y en escenarios de producción. Según mis datos, esta es la primera demostración publicada de RL integral basado en visión para modelos VLA (vision-language-action) entrenados en una plataforma humanoide bimanual real en condiciones de despliegue.

¿Por qué RL y no imitación?

Hasta ahora, Humanoid, como la mayoría de sus competidores, se basaba en el aprendizaje mediante la imitación de demostraciones humanas. Sin embargo, como señala acertadamente la empresa, un modelo que copia demostraciones no puede, en principio, superar la velocidad o la calidad del demostrador ni aprende el costo del error. Para alcanzar el último porcentaje de fiabilidad y pasar a una velocidad sobrehumana, se necesita un enfoque fundamentalmente diferente. KinetIQ Ascend pretende cerrar esta brecha mediante la práctica continua en tareas reales. La empresa compara este proceso con el escalado de grandes modelos de lenguaje: cuanto más tiempo dura el entrenamiento, mayor es la tasa de éxito.

Humanoid ya ha probado KinetIQ Ascend en tres tareas de producción con resultados impresionantes:

  1. Captura de anillos de rodamientos de acero: Tras el entrenamiento con RL, el rendimiento aumentó un 42 %, de 291 a 412 anillos por hora.
  2. Entrega de un objeto a una persona: El rendimiento aumentó un 85 %, la duración media del episodio se redujo un 35 % y la tasa de éxito subió del 80 % al 98 %.
  3. Levantamiento bimanual de un contenedor: Tras varios días de entrenamiento, el rendimiento aumentó de 122 a 279 contenedores por hora, la duración media del episodio se redujo de 22,9 a 12,8 segundos y la tasa de éxito subió del 77,6 % al 98,9 %.

Es importante destacar que Humanoid realizó una comparación A/B paralela con el modelo base actual, algo fundamental en entornos de producción reales donde los resultados pueden variar debido a la iluminación, la posición de los objetos y el desgaste del equipo. La empresa también extrajo dos conclusiones clave: la mejora de la etapa más compleja de una operación puede aumentar el resultado de toda la tarea, y la habilidad adquirida se transfiere a objetos que el robot no había visto durante el entrenamiento con RL.

Cadena industrial y competencia

Humanoid está construyendo activamente una cadena industrial en Europa. La empresa cuenta con más de 250 especialistas y oficinas en Londres, Boston y Vancouver. En mayo se anunció una asociación con Bosch, que se convertirá en socio de fabricación por contrato para la producción del modelo HMND 01 en el mercado europeo. Además, Humanoid ha firmado un acuerdo vinculante por fases con Schaeffler, que prevé el despliegue de entre 1000 y 2000 robots en las plantas de producción globales del socio para 2032.

El anuncio de KinetIQ Ascend se produce en medio de una aceleración de la carrera en robótica humanoide. La estadounidense Figure ha recaudado más de 1.000 millones de dólares, Apptronik más de 935 millones, y China ha destinado al menos 20.000 millones de dólares al desarrollo del sector desde 2024. Sin embargo, las ventas reales siguen siendo limitadas: el año pasado se vendieron alrededor de 12.000 robots humanoides, principalmente con fines de investigación.

Opinión del experto: KinetIQ Ascend es un paso adelante significativo que aborda el problema clave de la robótica moderna: la transición de las demostraciones de laboratorio a la operación industrial fiable. La capacidad de aprender de los propios errores en un entorno real, y no en una simulación, permite a los robots adaptarse a condiciones impredecibles. Si Humanoid logra escalar este enfoque, seremos testigos no solo de una evolución, sino de una auténtica revolución en la automatización de la producción, donde los robots no serán meras herramientas, sino miembros del equipo plenamente autónomos y capaces de aprender.