Flexion Robotics enseña a los robots nuevas habilidades sin intervención humana, solo con IA y simulación

La startup suiza Flexion Robotics ha desarrollado un método para enseñar nuevas tareas a robots humanoides sin intervención humana. En lugar de operadores que hacen demostraciones y etiquetadores de datos, el sistema recurre a la IA y a la simulación virtual.

La rutina importa más que las acrobacias

Los robots humanoides actuales saben impresionar: recorren distancias de maratón, actúan sobre un escenario y exhiben capacidades acrobáticas. Los vídeos con estas demostraciones acumulan millones de visualizaciones y alimentan la imagen de unos «robots del futuro» que ya conviven con las personas.

Sin embargo, detrás de estas exhibiciones se esconde una realidad más prosaica. El valor real de estas máquinas depende de su capacidad para ejecutar tareas monótonas, físicamente duras o peligrosas: aquellas que cansan o lesionan a las personas, o que estas simplemente se niegan a hacer. Ensamblar componentes en una cadena de montaje, empaquetar y clasificar productos, mover cargas pesadas o mantener las estanterías de un almacén: para eso necesita la industria a los humanoides.

Enseñar a un robot cada tarea concreta sigue siendo caro y lento. El ciclo tradicional requiere operadores que hagan demostraciones, etiquetadores de datos e ingenieros de verificación, y todo el proceso se prolonga durante meses. Flexion Robotics se ha propuesto eliminar a las personas de esta cadena.

Simulación en lugar de instructor

La idea central de la startup es trasladar todo el ciclo de entrenamiento a un entorno virtual. Los algoritmos de IA generan por sí solos miles de variantes de ejecución de una tarea, evalúan la calidad de cada intento y ajustan de forma iterativa el comportamiento del modelo. No hacen falta entrenadores ni demostradores humanos: basta con el simulador y un algoritmo de aprendizaje por refuerzo.

Ventajas del enfoque:

• escalado sin necesidad de contratar y formar a un equipo de etiquetadores
• entrenamiento seguro en escenarios peligrosos, poco frecuentes y atípicos
• aprendizaje en paralelo de varias habilidades a la vez
• reducción multiplicada del ciclo que va desde el planteamiento de la tarea hasta la habilidad lista
• menor coste de preparación de cada nueva habilidad

Tras el entrenamiento en el simulador, el sistema transfiere las estrategias aprendidas al robot físico, un proceso conocido como sim-to-real transfer. Históricamente, aquí es donde surgían los problemas más serios: el comportamiento en el simulador a menudo no coincidía con la realidad por imprecisiones del modelo físico, diferencias en la fricción de las superficies y la respuesta de los materiales. Flexion Robotics presenta la precisión y la estabilidad de esta transición como su principal ventaja competitiva.

Competidores y contexto

El entrenamiento sintético de robots es ahora mismo uno de los temas más candentes del sector. Google DeepMind, Physical Intelligence, Figure AI, 1X Technologies y decenas de otras startups investigan en la misma dirección. La mayoría se apoya en grandes datasets con participación humana o en una costosa interacción con el entorno real.

Flexion Robotics apuesta a que un pipeline totalmente automatizado permitirá desplegar robots allí donde antes no resultaba rentable: pequeñas líneas de producción, logística regional, industria alimentaria y agricultura. Si el método demuestra su eficacia en condiciones reales, la economía de la robotización podría cambiar de forma radical.

Qué significa esto

Sacar a las personas del ciclo de entrenamiento significa que los robots puedan adaptarse rápidamente a tareas cambiantes y estar al alcance de todos. Si Flexion Robotics logra en la práctica una transferencia sim-to-real estable, las empresas podrán poner en marcha nuevas operaciones robotizadas en semanas en lugar de meses. La automatización industrial dejará de ser un privilegio de grandes corporaciones con presupuestos millonarios.