ROBÓTICA · Del brazo de soldadura al agente físico generalista

El neurofisiólogo William Grey Walter construye en el Burden Neurological Institute de Bristol dos robots móviles analógicos, ELMER y ELSIE. Sus “tortugas” combinan sensores de luz y contacto con circuitos muy simples: buscan una fuente luminosa, evitan obstáculos y modifican su conducta cuando la batería necesita recarga.

No son ordenadores móviles en el sentido actual. Su relevancia está en la cibernética: muestran que la conducta aparentemente compleja puede emerger de realimentación, cuerpo y entorno, sin un plan central detallado. La Universidad de Bristol fecha su construcción entre 1948 y 1949; el grafo usa 1949 como punto de ordenación.

George Devol patenta el concepto en 1954; Joseph Engelberger (llamado "padre de la robótica industrial") negocia la implementación con General Motors. Unimate se instala en la planta de GM en Ewing Township, New Jersey, en 1961: manipula piezas metálicas calientes (die castings) en la línea de montaje, una tarea peligrosa para humanos.

El robot pesa 1.800 kg, tiene 6 grados de libertad hidráulicos y sigue instrucciones almacenadas en un tambor magnético. Sin sensores de visión, sin IA: pura programación de trayectoria. Las fábricas de automóviles de GM, Ford y Chrysler lo adoptan en los años 60 y 70. Es la fundación de 60 años de robótica industrial.

SRI International construye Shakey entre 1966 y 1972. El equipo, liderado por Charles Rosen y con contribuciones de Nils Nilsson y Bertram Raphael, combina por primera vez tres capacidades en un solo sistema: visión por computador (cámara de TV), planificación simbólica (planificador STRIPS — Stanford Research Institute Problem Solver) y movimiento físico autónomo.

Shakey se mueve a ~1 m/min, tarda minutos en planificar cada acción y solo opera en un entorno de bloques simples. Pero demuestra que un robot puede razonar sobre su entorno antes de actuar. STRIPS influye en toda la planificación en IA durante décadas. El nombre viene del temblor que producían sus motores.

Victor Scheinman diseña el PUMA (Programmable Universal Machine for Assembly): brazo eléctrico con 6 grados de libertad, encoder en cada articulación, controlado por minicomputador PDP-11. Unimation lo comercializa desde 1978.

PUMA se convierte en una plataforma de referencia para automatización, investigación y enseñanza, y ayuda a consolidar la geometría del brazo articulado que adoptan numerosos robots posteriores. La programación mediante teach pendant —guiar y registrar posiciones con un mando— se convierte en una práctica habitual. Se elimina aquí una cifra de instalaciones no respaldada por una fuente primaria sólida.

Randall Smith, Matthew Self y Peter Cheeseman presentan en 1986 una representación probabilística de relaciones espaciales —el stochastic map— que permite actualizar de forma incremental la posición estimada del robot, los objetos del mapa y la incertidumbre de ambas.

El término SLAM (simultaneous localization and mapping) se consolida más tarde, por lo que es más preciso hablar aquí de una formulación fundacional y no de una invención instantánea. El problema es circular: para hacer un mapa hay que saber dónde está el robot; para localizar el robot hace falta un mapa. El enfoque probabilístico permite resolver ambos a la vez.

En la demostración final del programa europeo PROMETHEUS, los vehículos VaMP y VITA-2 recorren más de 1.000 km por autopistas próximas a París, en tráfico normal y a velocidades de hasta 130 km/h. Los sistemas usan visión para mantener carril, seguir vehículos y efectuar cambios de carril; llevan conductores de seguridad capaces de intervenir.

La precisión editorial importa: no eran coches comerciales sin supervisión, sino demostradores de investigación muy avanzados. Aun así, prueban en 1994 que la percepción visual y el control automático pueden funcionar a velocidad de autopista fuera de un circuito cerrado.

iRobot lanza el Roomba en septiembre de 2002. Colin Angle (CEO), Helen Greiner (presidenta) y Rodney Brooks (director técnico, también fundador de la empresa y profesor en MIT) llevan 10 años trabajando en robótica móvil. El precio inicial es 199 USD.

El Roomba no usa un mapa del hogar: navega con una combinación de sensores de infrarrojos, contacto y algoritmos probabilísticos que cubren el suelo de forma estadística. Es suficiente para limpiar. Más de 50 millones de unidades vendidas hasta 2024. Primera vez que la robótica entra al hogar como producto de serie, no como demostración de laboratorio.

Stanley, un Volkswagen Touareg modificado por Stanford, gana el DARPA Grand Challenge del 8 de octubre de 2005. Completa 132 millas de desierto en 6 h 53 min 58 s sin conducción humana, usando láseres, cámaras, radar, GPS y una arquitectura que combina aprendizaje automático y razonamiento probabilístico.

El valor del hito no es solo ganar una carrera: cinco vehículos terminan el recorrido, mientras que en la edición de 2004 ninguno había superado el 5 % del trayecto. La conducción autónoma pasa de promesa frágil a programa de ingeniería reproducible.

DARPA Urban Challenge (Victorville, California, 3 de noviembre de 2007): 11 equipos de universidades y empresas compiten con vehículos que deben circular 60 millas en un entorno urbano simulado con tráfico real, señales y aparcamiento.

Ganadores: Boss (CMU, liderado por Chris Urmson) y Junior (Stanford, liderado por Sebastian Thrun). Boss completa el curso en 4h 10min. Los 6 primeros equipos lo terminan. Thrun funda Google Street View ese mismo año; en 2009 arranca Google Self-Driving Car (después Waymo). Urmson funda Aurora Innovation en 2017. Todos los proyectos de conducción autónoma actuales tienen raíces directas en este evento.

Boston Dynamics presenta Spot (2015), sucesor eléctrico del hidráulico BigDog (2005). Marc Raibert fundó Boston Dynamics como spin-off del MIT Leg Lab en 1992. Spot pesa 32 kg, sube escaleras, se recupera de empujones y corre a 1,6 m/s. Se comercializa en 2019 a 74.500 USD.

El salto de BigDog (hidráulico, ruidoso, 109 kg) a Spot (eléctrico, silencioso, 32 kg) es posible por los avances en servomotores sin escobillas y en baterías de litio: la misma tecnología que habilita el dron y el coche eléctrico. Boston Dynamics es adquirida por Hyundai en 2021.

Primera ola comercial de robots humanoides: Figure 01 (Figure AI, Brett Adcock), Tesla Optimus Gen 2 (Elon Musk, liderazgo de ingeniería por Milan Kovac), 1X NEO (Halodi Robotics, Norway), Apptronik Apollo (Jeff Cardenas, University of Texas), Unitree H1 (Wang Xingxing, China).

El habilitador común: servomotores eléctricos más asequibles, mejores baterías, percepción aprendida y modelos de lenguaje que pueden traducir instrucciones a planes. En 2024 BMW y Figure anuncian un despliegue piloto en la planta de Spartanburg. Es todavía una fase de validación industrial, no una adopción masiva demostrada.

Los modelos VLA (Vision-Language-Action) se materializan en 2023-2024. Hitos: - Google RT-2 (julio 2023): primer modelo que combina lenguaje + visión + acción. - Open X-Embodiment / RT-X (octubre 2023): dataset de 22 robots diferentes con 527 skills. - OpenVLA (junio 2024, Moo Jin Kim et al., Stanford): modelo open source VLA. - π0 de Physical Intelligence (31 octubre 2024, Sergey Levine + Chelsea Finn + equipo): primer modelo generalista multi-tarea entrenado en datasets cross-embodiment. Maneja doblar ropa, cargar lavavajillas, montar cajas.

La robótica deja de programarse tarea a tarea. Un modelo único maneja miles de tareas en distintas plataformas físicas.

Próxima frontera esperada: modelos VLA verdaderamente generalistas que transfieren entre plataformas físicas radicalmente distintas (humanoide, brazo industrial, dron, vehículo) sin fine-tuning. Los candidatos son los sucesores de π0 (π2/π3), RT-3 y sucesores de OpenVLA escalando a billion+ trayectorias de entrenamiento.

El paralelismo con los LLMs es explícito en la industria: un único modelo de lenguaje entiende inglés, francés y código; un único modelo robótico debería entender Spot, Figure y un brazo KUKA.