La mano en lugar de la pantalla: cómo Wetour Robotics reinventó las interfaces

En Physical AI se ha producido una asimetría. Los robots saltan, bailan y recogen objetos frágiles, pero aún se controlan a través de pantallas, botones o voz, métodos que no han cambiado en 40 años. Wetour Robotics resolvió el problema desde otro ángulo. En lugar de hacer robots aún más inteligentes, la empresa rediseñó la interfaz entre humanos y máquinas.

Por qué la pantalla y la voz no funcionan

En tres años, Physical AI ha hecho un progreso increíble en el lado de los robots. Boston Dynamics, Figure y Unitree han desarrollado actuadores y destreza de manipuladores a un nivel que parecía imposible hace diez años. Google DeepMind demostró que los modelos vision-language-action funcionan en entornos desestructurados. Pero el desarrollo se ha estancado en las interfaces. Durante cuarenta años, las computadoras han esperado a que el humano se detenga, mire hacia abajo y traduzca su intención en un comando.

En una turbina eólica, en un muelle de carga o en una calle concurrida, este enfoque falla silenciosamente. El técnico no puede soltar la llave. El trabajador no puede mirar la pantalla. El peatón no puede gritar comandos. El cuello de botella se ha desplazado del lado de la máquina al lado humano.

Spatial Intent Fusion: tres flujos en lugar de uno

Wetour Robotics llamó a su enfoque Spatial Intent Fusion: el procesamiento simultáneo de tres flujos de información sobre el usuario:

• Posición del cuerpo en el espacio
• Dirección de la mirada y contexto visual
• Señales musculares a través de sensores electromiográficos
• Velocidad de procesamiento inferior a 100 milisegundos
• Predicción de intención 50-80 ms antes del movimiento visible

Cada canal aislado es ambiguo. Pero juntos, procesados a nivel del sistema operativo con latencia muy baja, pintan un retrato inequívoco de lo que estás a punto de hacer.

Cómo funciona: capas y motores de Orchestra

Orchestra es un hub computacional portátil con tres capas perceptivas. VisionLink procesa vídeo: las cámaras rastrean objetos, distancias y contexto. Conductor lee biosignals de una pulsera portátil con sensores electromiográficos de superficie (sEMG). Orchestra OS fusiona estos flujos en cuatro motores: percepción de sensores, inferencia de intención, orquestación de comandos y verificación de seguridad.

El truco clave: los potenciales de acción de unidades motoras aparecen en la piel 50-80 milisegundos antes de que el dedo complete el gesto. El sistema adivina qué vas a hacer antes de que lo hagas. Todo funciona en edge: en el dispositivo local, sin la nube. NVIDIA Jetson Orin Nano Super proporciona suficiente inferencia para cerrar el ciclo de control en 100 milisegundos.

«Tu cuerpo es la interfaz», el lema de

Wetour Robotics que oculta una arquitectura compleja de visión por computadora, procesamiento de biosignals e inferencia de intención en tiempo real.

Qué significa esto

La historia de las computadoras es la historia de revoluciones de interfaces. La línea de comandos desplazó la cinta perforada, la interfaz gráfica desplazó la línea de comandos, el sensor desplazó los botones, la voz desplazó los sensores. Cada transición expandió quién puede participar en el sistema y qué puede hacer con él.

La próxima transición no es una nueva pantalla ni un nuevo micrófono. Es el cuerpo humano como un nodo de primera clase en la red computacional, con la velocidad y precisión de cualquier otro dispositivo conectado. Esto no compite con el desarrollo de humanoides y modelos fundamentales, es complementario. Los humanoides necesitan datos para entrenar. Cuando los humanos se convierten en nodos de primera clase en el ciclo, cada una de sus interacciones con el mundo es una señal potencial para la próxima generación de Physical AI.