Robótica 4 de noviembre de 2026 8 MIN DE LECTURA
Cómo funcionan realmente los robots humanoides
Motores, sensores, equilibrio y manos: de qué está hecho un robot humanoide, qué hace con fiabilidad hoy y por qué las fichas técnicas lo favorecen.
LA RESPUESTA CORTA
Un robot humanoide es una máquina eléctrica de motores, sensores y software que debe mantener el equilibrio de forma continua. Los modelos actuales levantan decenas de kilos y trabajan durante horas en entornos controlados. Las manos, la fiabilidad y la batería son los límites, y las fichas técnicas de los fabricantes muestran los mejores casos, no el rendimiento diario.
En esta página
De la hidráulica a los motores eléctricos
Durante años, el humanoide acrobático más conocido fue hidráulico. Boston Dynamics retiró ese Atlas en abril de 2024 y presentó uno totalmente eléctrico, pensado para el trabajo comercial. El análisis de IEEE Spectrum sobre la presentación explica la disyuntiva: la hidráulica fue durante mucho tiempo la única vía para un movimiento explosivo y repetido, como saltos y volteretas, pero prescindir de ella elimina mangueras y amplía el rango de movimiento.
Investigadores de la ETH Zúrich habían resumido esa misma disyuntiva en 2019. Los robots hidráulicos con patas almacenan mucha energía en poco espacio, pero son difíciles de reducir de tamaño, ruidosos y humeantes, así que trabajan sobre todo en exteriores. Los actuadores eléctricos encajan mejor en el trabajo en interiores.
Los humanoides actuales son máquinas eléctricas con muchas articulaciones. Según Boston Dynamics, el Atlas eléctrico actual mide 1,9 m, pesa 90 kg y tiene 56 grados de libertad. Unitree indica que su H1 de tamaño completo mide unos 180 cm y pesa 47 kg, con un par máximo por articulación de 360 N·m. El Digit 5 de Agility usa actuadores cicloidales de diseño propio en las piernas. Todas son cifras de los fabricantes, y más adelante veremos por qué eso importa.
Ver el mundo
Un humanoide necesita saber dónde está su cuerpo y qué hay a su alrededor. Según Agility, Digit se apoya en cámaras a bordo, sensores de profundidad y unidades de medición inercial (IMU), que se procesan localmente en el propio robot. El H1 de Unitree combina un lidar 3D con una cámara de profundidad para percibir los 360°. Atlas añade sensores táctiles en los dedos y la palma, además de una vista de cámara de 360°.
Mantenerse en pie
El equilibrio no es un truco que se hace una vez, sino un problema de control que se resuelve de forma continua, porque un cuerpo con dos piernas siempre está cerca de caerse. Boston Dynamics afirma que sus robots combinan simulación clásica y control predictivo basado en modelos con herramientas aprendidas, de aprendizaje por refuerzo y de visión. En el ámbito académico, un artículo de 2025 mostró un control predictivo basado en modelos de cuerpo completo que funcionaba en tiempo real tanto en un cuadrúpedo como en un humanoide de tamaño completo.
Caerse también es un problema de seguridad, no solo técnico. Agility dice que Digit 5 está diseñado para reaccionar ante las personas cercanas: se detiene, las esquiva o se sienta, de modo que no pueda caerle encima a nadie.
Por qué las manos son lo difícil
Si las piernas están más o menos resueltas para suelos planos, las manos no. Boston Dynamics describe el diseño de la mano como un «compromiso implacable» entre destreza, fuerza, robustez, coste, facilidad de reparación y sensorización. La mano más reciente del Atlas pasó de 7 a 13 grados de libertad. En el extremo económico, la mano opcional de tres dedos de Unitree para el G1 EDU tiene solo 7 grados de libertad activos en total.
El consejero delegado de Tesla fue tajante al respecto en la conferencia de resultados del tercer trimestre de 2026. Los dedos deben ser lo bastante blandos para objetos delicados y, aun así, resistir un desgaste constante, y un robot no puede curarse como la piel. Dijo que Tesla está acelerando la producción antes de perfeccionar la mano: «Estamos construyendo robots que no tienen manos perfeccionadas», según informó The Verge.
Cómo leer una ficha técnica
La autonomía, la carga útil y la velocidad son las cifras que todo el mundo cita, y las menos comparables. Todas las cifras que siguen las publica el fabricante y se miden con una carga de trabajo que este no define.
- Atlas (Boston Dynamics): 4 horas de batería, o 2 horas con levantamiento de cargas pesadas, y un cambio automático de batería de 3 minutos. La carga útil es de 50 kg durante un instante, 30 kg de forma sostenida y 20 kg con una sola mano.
- Digit 5 (Agility): una batería de 90 minutos que se carga en 9 minutos y una capacidad de elevación de 22,7 kg (50 lb). IEEE Spectrum informó de que el antiguo responsable de producto de Agility explicó que 60 de los 90 minutos de Digit se mantienen como reserva, de modo que en la práctica trabaja unos 30 minutos antes de cargarse.
- G1 (Unitree): unas 2 horas de batería, desde 13 500 dólares, con un brazo que carga unos 2 kg, cifra que según Unitree varía mucho con la postura del brazo.
Vuelve a leer la segunda línea. Un titular de 90 minutos puede significar 30 minutos de trabajo. El titular es el mejor caso; la cifra de trabajo real es la que conviene pedir.
Cómo aprende un robot a caminar
La mayoría de los controladores de marcha modernos no se escriben a mano. Se aprenden en simulación y luego se trasladan al robot real, lo que se conoce como «sim-to-real».
El artículo de referencia salió de la ETH Zúrich en 2019. Antes, el aprendizaje por refuerzo para robots con patas solía requerir semanas o meses de funcionamiento del robot real, y este podía comportarse de forma caótica mientras aprendía. Los investigadores entrenaron una política de red neuronal para el cuadrúpedo ANYmal por completo en un simulador que funcionaba unas 1000 veces más rápido que el tiempo real, a casi 500 000 pasos por segundo. Cada sesión de entrenamiento se ejecutó en un solo ordenador de sobremesa y duró menos de 11 horas. Una pequeña red neuronal que aprendió del robot real (una «red de actuadores») sustituyó a la dinámica de las articulaciones, difícil de simular. El controlador aprendido superó después al mejor controlador anterior de ANYmal y aprendió a incorporarse tras las caídas.
Los siguientes pasos buscaron robustez y velocidad. En 2020, la ETH e Intel entrenaron un controlador que usaba solo los sensores del propio robot y se trasladó sin más ajustes a barro, nieve, escombros, vegetación y agua. Hizo falta un método en dos etapas: un «profesor» que ve el terreno real, algo posible solo en simulación, entrena a un «alumno» que ve lo mismo que el robot real. En 2021, simular miles de robots en paralelo en una sola tarjeta gráfica redujo el entrenamiento a menos de cuatro minutos en suelo llano y a unos veinte en terreno irregular.
Estos resultados valen para robots concretos. Muestran que caminar se puede aprender de forma barata y rápida; no demuestran que la manipulación de propósito general esté resuelta.
Por qué esto es una noticia vieja y nueva a la vez
Los investigadores en robótica llevan tiempo señalando que los problemas «difíciles» para las personas, como el ajedrez o las pruebas de lógica, son más fáciles para las máquinas que los «fáciles», como ver, agarrar y moverse por una habitación desordenada. El roboticista Hans Moravec sostuvo en los años ochenta que la percepción y el movimiento acumulan unos mil millones de años de refinamiento evolutivo, mientras que el pensamiento abstracto es un truco muy reciente. Esa idea sigue siendo una buena forma de interpretar el auge de los humanoides: las piernas y el aprendizaje han avanzado deprisa, y el tiempo se va en las manos y la fiabilidad.
Qué hacen con fiabilidad hoy
Las pruebas de campo son limitadas y proceden sobre todo de las empresas. Agility asegura que su Digit de la generación anterior movió 100 000 cajas en una instalación logística con una precisión de en torno al 98 % mientras trabajaba en una tarea, y que su flota ha superado las 65 000 horas de funcionamiento. Boston Dynamics empezó a producir el Atlas eléctrico en enero de 2026 y dice que todas sus unidades de 2026 están comprometidas. En la planta de Hyundai en Georgia, Atlas está aprendiendo a ordenar en secuencia las piezas de coche para el montaje, según Electrek.
Los observadores externos son más cautos. El roboticista Ken Goldberg dijo a The Verge que las tasas de éxito en tareas de laboratorio se han estancado en torno al 70-80 %, algo insuficiente para la industria. IEEE Spectrum señala que muchos clientes industriales esperan una disponibilidad del 99,99 %, algo que, según Agility, solo ha demostrado en aplicaciones concretas y no de propósito general.
Qué conviene vigilar ahora
- Manos: el número de articulaciones activas y cuánto aguantan en un turno de trabajo, no los vídeos de demostración.
- Autonomía real: la duración de la batería, incluida la reserva, y el tiempo de carga entre tareas.
- Fiabilidad: el éxito de las tareas a lo largo de miles de repeticiones, comunicado por alguien distinto del fabricante.
- Coste del fallo: cómo se comporta un robot cerca de las personas cuando algo sale mal.
Nuestra opinión: capaces, limitados y en mejora. Los humanoides ya hacen trabajo útil y repetitivo en entornos controlados. La distancia hasta un robot de propósito general tiene que ver sobre todo con las manos y la fiabilidad, y la forma honesta de seguirla es comparar horas de trabajo y tasas de éxito, no las especificaciones máximas.
Preguntas y respuestas
¿Los robots humanoides son hidráulicos o eléctricos?
Los principales son ya eléctricos. Boston Dynamics retiró su Atlas hidráulico en abril de 2024 y presentó uno eléctrico; prescindir de la hidráulica elimina mangueras y amplía el rango de movimiento. Además, los robots con patas hidráulicos son ruidosos y difíciles de reducir de tamaño.
¿Por qué son tan difíciles de construir las manos de un robot?
Una mano debe ser a la vez diestra, fuerte, duradera, barata, reparable y estar llena de sensores. Los dedos tienen que ser blandos para objetos delicados y, aun así, resistir un desgaste constante, y una máquina no se cura como la piel.
¿Cuánto tiempo puede trabajar un robot humanoide con una carga?
Los fabricantes publican entre unos 90 minutos y 4 horas según el modelo, pero las cifras se miden con cargas de trabajo no reveladas. El antiguo responsable de producto de una empresa dijo que 60 minutos de una batería de 90 se guardan como reserva.
¿Los robots aprenden a caminar en el mundo real?
Sobre todo en simulación. Los controladores se entrenan con miles de robots simulados y luego se copian a uno real. ETH Zúrich demostró en 2019 que esto funciona en un robot con patas, con un entrenamiento de menos de 11 horas en un solo ordenador de sobremesa.
¿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.
Sigue leyendo
Robots industriales en cifras
Cuántos robots industriales hay, dónde trabajan, qué países tienen más y por qué la densidad cuenta otra historia. Cifras de la IFR de 2025.
ROBÓTICA / DESCUBRIMIENTOShakey, el robot que nos dio el algoritmo A*
El tambaleante robot de los años sesenta que razonaba sobre habitaciones y bloques y dejó los algoritmos A* y STRIPS, aún vigentes en planificación.
ROBÓTICA / DESCUBRIMIENTOIngenuity, el helicóptero de Marte
Previsto para cinco vuelos, hizo 72. Cómo un helicóptero con procesador de móvil voló en un aire con el 1 % de la densidad terrestre y qué acabó con él.
Fuentes
- An Electric New Era for Atlas · Boston Dynamics · Consultado el
- Hello, Electric Atlas · IEEE Spectrum · Consultado el
- Learning Agile and Dynamic Motor Skills for Legged Robots · arXiv (Hwangbo et al., ETH Zurich / Intel) · Consultado el
- Atlas specifications (spec sheet PDF) · Boston Dynamics · Consultado el
- Unitree H1 – Full-size universal humanoid robot · Unitree Robotics · Consultado el
- Agility Unveils Digit 5 Humanoid Robot Built for Cooperatively Safe Work at Scale · Agility Robotics (press release) · Consultado el
- Reality Is Ruining the Humanoid Robot Hype · IEEE Spectrum · Consultado el
- Whole-Body Model-Predictive Control of Legged Robots with MuJoCo · arXiv (ICRA 2026) · Consultado el
- Just because Tesla’s Optimus is in production doesn’t mean it’s actually ready · The Verge · Consultado el
- Robot Hands for Modern AI and Real Work · Boston Dynamics · Consultado el
- Unitree G1 humanoid robot parameters · Unitree Robotics · Consultado el
- Tesla pushes Optimus deliveries to late 2027, says hands still a problem · Electrek · Consultado el
- Learning agile and dynamic motor skills for legged robots · arXiv · Consultado el
- Learning Quadrupedal Locomotion over Challenging Terrain · Science Robotics (accepted version, Lee, Hwangbo, Wellhausen, Koltun, Hutter) · Consultado el
- Learning to Walk in Minutes Using Massively Parallel Deep Reinforcement Learning · arXiv (Rudin, Hoeller, Reist, Hutter) · Consultado el
Publicado el
Comenta en X