Cómo agarra una mano robótica: tacto, datos y simulación

Por qué una mano es más difícil que un brazo

Boston Dynamics, que ha rediseñado recientemente la mano de su humanoide Atlas, lo plantea sin rodeos: hacer una mano útil es «un compromiso despiadado» entre destreza, fuerza, robustez, coste, reparabilidad y detección. Cada dedo añade articulaciones, motores y piezas que pueden romperse. La entrada de la empresa de octubre de 2026 dice que una mano con varios dedos es «como un minirrobot entero», y la nueva tiene cuatro dedos y 13 grados de libertad, frente a los 7 de la generación anterior.

La misma entrada explica una decisión de diseño que muestra hasta qué punto la función puede más que la imitación. La nueva mano no tiene meñique. El director de tecnología de la empresa pidió al equipo que pegara con cinta adhesiva el meñique y el anular durante un día e informara de lo que no podían hacer. La conclusión fue que un quinto dedo añadiría tres actuadores y, con ellos, más coste, volumen y riesgo de fallo, a cambio de muy poca ganancia. Este es el relato de la propia empresa, no una evaluación independiente.

Enseñar a una mano: tres vías

Los investigadores usan tres grandes formas de lograr que una mano agarre bien, y cada una tiene un límite claro.

1. Aprender de un operador humano. En 2023 un equipo de Stanford, Meta y Berkeley publicó ALOHA, un sistema de teleoperación bimanual hecho con brazos de catálogo y piezas impresas en 3D por menos de 20 000 dólares. Una persona mueve un par de brazos «líder», y dos brazos «seguidores» reproducen sus movimientos. Con 50 demostraciones por tarea, unos 10 a 20 minutos de datos, su método de aprendizaje abrió un recipiente translúcido para condimentos y encajó una pila en su hueco con un éxito de entre el 80 y el 90 %, según los autores.

Lo que merece atención es el hardware. El artículo indica que el equipo no usó manos diestras «por razones de precio y mantenimiento» y construyó el sistema en torno a pinzas de mordazas paralelas. Los autores también enumeran lo que fracasó: desenvolver un caramelo funcionó 0 veces de 10 en una prueba preliminar, y abrochar una camisa estaba fuera del alcance del sistema.

2. Aprender de la simulación. En 2019 OpenAI entrenó la Shadow Dexterous Hand, una mano robótica de cinco dedos, para manipular un cubo de Rubik usando solo experiencia simulada. El entrenamiento usó una forma automática de hacer más difícil la simulación a medida que mejoraba la política, y unos 13 000 años de experiencia simulada acumulada. El hardware necesitaba algo más que una mano: tres cámaras, un sistema de captura de movimiento para las yemas de los dedos y, para los mejores resultados, un cubo con sensores integrados.

Los resultados son más modestos que el titular. En diez pruebas con el cubo sensorizado, la mejor política completó al menos la mitad de una mezcla de prueba en seis ocasiones y la mezcla entera en dos. Solo con visión, la mezcla entera no se resolvió en ninguna de las diez pruebas. Una política entrenada con el método manual anterior nunca llegó ni a la mitad.

3. Aprender del tacto. Una mano que no siente tiene que adivinar si un objeto se está escurriendo. El sensor GelSight, desarrollado en el MIT, coloca una almohadilla blanda de elastómero sobre una cámara pequeña. La almohadilla se deforma al presionar un objeto y la cámara registra la forma, de la que pueden deducirse la fuerza de contacto y el deslizamiento. Su artículo de revisión informa de una resolución espacial de 30 a 100 micras en las versiones compactas pensadas para los dedos de robots, frente a 5 mm de una matriz de presión comercial que cita. Boston Dynamics afirma que su nueva mano tiene sensores de presión densos en las yemas de los dedos y en la palma, pero la entrada no da cifras de ellos.

Dónde está el debate

Boston Dynamics sostiene que los guantes y los dispositivos de mano son una buena forma de recoger demostraciones humanas, pero que capturan sobre todo «señales indirectas» y no el control rápido de fuerza que necesita una mano diestra. Concluye que el aprendizaje por refuerzo en simulación es «un componente esencial» y que la mano se diseñó para poder simularse con precisión. El resultado de OpenAI respalda la mitad de esa tesis: la simulación puede trasladarse a una mano real, pero solo con una aleatorización intensa y detección externa. El resultado de ALOHA respalda la otra mitad: las demostraciones pueden enseñar habilidades útiles con pocos datos, pero con pinzas sencillas.

Lo que todavía no podemos saber

Para la nueva mano de Atlas, las fuentes que hemos consultado no contienen mediciones independientes, y la entrada de la empresa no ofrece tasas de éxito, especificaciones de los sensores táctiles ni datos de fallos. Los artículos de OpenAI y ALOHA son de 2019 y 2023, y ninguno usó la mano de Atlas. Sus cifras muestran lo que logró cada método con su propio hardware y sus tareas, y no pueden compararse entre sí.

Nuestra opinión: una mano robótica es una apuesta sobre qué señales importan. Las demostraciones humanas, la física simulada y el tacto aportan una cada una, y cada uno de los estudios aquí tratados trabaja solo con una o dos. La lectura razonable de la mano de Atlas de 2026 es la de una decisión de hardware que facilita combinar las tres, cuyo beneficio aún está por demostrar en una fábrica.

Preguntas y respuestas

¿Por qué los robots humanoides tienen tan pocos dedos?

Cada dedo añade articulaciones y motores que cuestan dinero y pueden romperse. Boston Dynamics dice que la nueva mano de su Atlas tiene cuatro dedos y 13 grados de libertad, y no tiene meñique, tras comprobar durante un día cómo era vivir sin él.

¿Qué es un sensor táctil en una mano robótica?

Un sensor que indica al robot dónde toca un objeto y con qué fuerza. El GelSight del MIT usa una almohadilla blanda y una cámara para registrar la forma del contacto, con una resolución de 30 a 100 micras en las versiones compactas.

¿Resolvió de verdad una mano robótica un cubo de Rubik?

En 2019 OpenAI informó de que sí, con una mano de cinco dedos entrenada en simulación. En sus propias diez pruebas con un cubo dotado de sensores, la mejor política completó la mezcla entera dos veces, y ninguna de las diez pruebas con solo visión la completó.

¿Pueden los robots aprender habilidades que exigen destreza a partir de demostraciones humanas?

Sí, pero con límites. Un sistema de 2023 aprendió tareas como encajar una pila, con un éxito de entre el 80 y el 90 % a partir de unos 10 minutos de demostraciones, pero usaba pinzas de mordazas paralelas, no manos diestras, y fracasaba en tareas como desenvolver un caramelo.

¿Estás de acuerdo?

Llévalo a Chevlume: escribe tu punto de vista, añade tus fuentes y deja que otros respondan. La alfa cerrada es solo con invitación.

Debatir esto en Chevlume

¿Aún sin invitación? Pide un sitio

Sigue leyendo

ROBÓTICA / EXPLICACIÓN

Fuentes

Robot Hands for Modern AI and Real Work (1 October 2026) · Boston Dynamics · Consultado el 5 de noviembre de 2026
Solving Rubik's Cube with a Robot Hand (OpenAI et al., 2019) · arXiv / OpenAI · Consultado el 5 de noviembre de 2026
GelSight: High-Resolution Robot Tactile Sensors for Estimating Geometry and Force (Yuan, Dong, Adelson), Sensors 17(12), 2017 · MDPI Sensors via PubMed Central · Consultado el 5 de noviembre de 2026
Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware (Zhao, Kumar, Levine, Finn, 2023) · arXiv / Stanford University · Consultado el 5 de noviembre de 2026

Publicado el 5 de noviembre de 2026

Comenta en X