Unitree prepara robots humanoides que se mejoran solos con IA

Unitree Robotics quiere que la inteligencia artificial haga buena parte del trabajo que hoy realizan sus ingenieros: buscar investigaciones, escribir código de control, probarlo y aprender de los resultados. Su fundador, Wang Xingxing, presentó la idea como un sistema de desarrollo de robots "autoevolutivo" en la conferencia de IA física de la compañía en Hangzhou, y la calificó como una prioridad.

Un circuito cerrado de desarrollo

Según Wang, enseñar una habilidad nueva a un humanoide es lento: hay que recopilar datos, entrenar modelos y ajustar el comportamiento, y lo que funciona en el laboratorio puede requerir un nuevo trabajo en otro entorno. El proyecto, llamado "Unitree Rehearsal", automatiza ese ciclo.

En el sistema, los agentes de IA buscan artículos científicos y escriben el código de control. Ese código se prueba y se entrena en simulación, y los mejores resultados se verifican en robots reales. Después, un sistema de evaluación independiente, con aportación humana cuando hace falta, puntúa el resultado y lo envía a la siguiente ronda.

La apuesta de Wang es que un modelo base más potente hace el bucle más eficaz, y que más robots en el mundo real generarán más datos que mejoren los modelos. La empresa ha probado GPT-6 de OpenAI en sus robots y, según Wang, en experimentos internos ya pintaban o jugaban al Go sin entrenamiento específico.

Del hardware al "cerebro"

Unitree se ha hecho conocida por el hardware (articulaciones, sistemas de energía y control de movimiento) y por demostraciones de baile, carrera y boxeo. Ahora, con la industria buscando robots útiles y no solo ágiles, pesan más el software y la inteligencia.

Límites por resolver

Lo mostrado es más una prueba de concepto. Falta demostrar la eficiencia del método, la transferencia de habilidades y su éxito en el mundo real. El vídeo con GPT-6 no aclaraba con qué consistencia los robots repiten la planificación de rutas y movimientos en entornos desconocidos.

Wang admitió que los modelos gestionan bien planificación y navegación, pero aún fallan al manipular objetos: ensamblar piezas de precisión ajustando posición y fuerza en tiempo real sigue siendo un reto, y alinear entradas y salidas del modelo con un robot real es el mayor desafío. El índice de IA 2026 de Stanford apunta que los robots solo logran el 12% de las tareas domésticas reales, pese a rendir mucho mejor en simulación.

Wang sugiere que los humanoides podrían ordenar habitaciones en 2027 o 2028 y espera que los robots de Unitree empiecen a entrar en hogares a finales de este año o el próximo.