La empresa londinense Humanoid ha presentado KinetIQ Ascend, un enfoque revolucionario para el entrenamiento de robots humanoides basado en el método de prueba y error directamente en tareas de producción reales. El desarrollador afirma que esta tecnología puede elevar la precisión de las manipulaciones hasta el 99,9% a una velocidad comparable o superior a la humana.
KinetIQ Ascend amplía el marco existente de KinetIQ. A diferencia del aprendizaje por imitación tradicional, donde el robot simplemente copia las acciones humanas, el nuevo método utiliza aprendizaje por refuerzo (RL). El sistema repite la tarea de forma autónoma, recibe una señal de éxito o error y, en base a ello, optimiza continuamente su comportamiento. La diferencia clave es que el RL no se ejecuta en simulación, sino las 24 horas del día en equipos reales y en escenarios de producción. Humanoid afirma que esta es la primera demostración publicada de RL integral basado en visión para modelos VLA entrenados en una plataforma humanoide bimanual real en condiciones de despliegue.
Por qué apostar por RL es un cambio de paradigma
Anteriormente, Humanoid, como muchos competidores, dependía de la imitación de demostraciones humanas. Sin embargo, como señala acertadamente la empresa, «un modelo que copia demostraciones no puede superar la velocidad o calidad del demostrador ni aprende el costo del error». Los últimos porcentajes de fiabilidad y la transición a una velocidad sobrehumana requieren un enfoque diferente. KinetIQ Ascend cierra esta brecha mediante la práctica continua en tareas reales. Esto recuerda a la escalabilidad de los grandes modelos de lenguaje: cuanto más largo es el entrenamiento, mayor es la tasa de éxito.
Las pruebas de KinetIQ Ascend en tres tareas de producción demostraron resultados impresionantes:
- Colocación de anillos de rodamientos: Después del entrenamiento con RL, el rendimiento aumentó un 42%, hasta 412 anillos por hora, frente a los 291 del modelo base.
- 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%.
- Levantamiento de un contenedor con ambas manos: Después de 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%.
La empresa también señaló que mejorar la etapa más compleja de una operación puede aumentar el resultado de toda la tarea, y la habilidad se transfiere a objetos que el robot no había visto durante el entrenamiento con RL. Además, el incremento se midió mediante una comparación A/B paralela con el modelo base actual, lo cual es fundamental para entornos de producción reales donde el resultado puede variar debido a la iluminación, la posición de los objetos o el desgaste del equipo.
Expansión industrial y carrera de gigantes
Humanoid está construyendo activamente una cadena industrial en Europa. La empresa cuenta con más de 250 ingenieros e investigadores. Recientemente se anunció una asociación con Bosch, que se convertirá en socio de producción por contrato para fabricar robots HMND 01 en el mercado europeo. Además, se firmó 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. Figure recaudó más de $1.000 millones con una valoración de $39.000 millones, Apptronik cerró una ronda de $935 millones y China ha destinado al menos $20.000 millones 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 exactamente el paso que separa los experimentos de laboratorio de la implementación industrial. La transición de la imitación al aprendizaje autónomo basado en errores reales es el único camino para crear robots verdaderamente autónomos capaces de trabajar en entornos impredecibles. Si Humanoid logra escalar este enfoque, seremos testigos del inicio de una nueva era en la automatización de la producción.