Nomagic implementó un modelo VLA en robots de almacén y redujo a la mitad las llamadas a operadores

Nomagic, empresa polaca, implantó un modelo vision-language-action (VLA) en operaciones reales de almacén con clientes comerciales en julio de 2026 — y registró una reducción aproximadamente a la mitad en los casos en que el robot requería intervención del operador. En paralelo, la empresa lanzó su propio laboratorio de IA dirigido por un ex investigador de Google DeepMind.

¿Qué es un modelo VLA y por qué lo necesita un robot de almacén?

Los modelos vision-language-action son redes neuronales que combinan tres componentes en una única arquitectura: visión por computadora (lo que el robot ve frente a sí), comprensión del contexto (qué tarea debe resolverse con este objeto) y planificación de acciones (cómo controlar exactamente el manipulador). A diferencia de la programación clásica, donde las reglas se escriben manualmente para cada tipo de producto o escenario no estándar, un modelo VLA toma decisiones dinámicamente — de la misma manera que una persona manipularía un objeto desconocido sin abrir un manual de instrucciones.

Hasta hace poco, los modelos VLA existían principalmente en el laboratorio: se probaban en conjuntos limitados de objetos en un entorno controlado. Nomagic — empresa basada en Varsovia especializada en manipuladores para logística de almacén — trasladó esta tecnología a condiciones reales de operación.

• Tipo de modelo: vision-language-action (VLA)
• Empresa: Nomagic, Varsovia, Polonia
• Resultado: ~50% de reducción en la frecuencia de solicitudes de intervención del operador
• Laboratorio de IA: lanzado en 2026, dirigido por ex investigador de Google DeepMind
• Estrategia: "mastery before generality" — primero dominio en tareas específicas, luego universalidad

¿Por qué

Nomagic apuesta por el dominio, no por la universalidad?

En la carrera de la robótica, una narrativa domina: crear un agente universal capaz de actuar en cualquier entorno y con cualquier objeto. Esto es lo que buscan Physical Intelligence, Google DeepMind y varios otros laboratorios importantes. Nomagic eligió conscientemente un camino diferente.

El equipo del nuevo laboratorio de IA es dirigido por un ex investigador de Google DeepMind — alguien bien familiarizado con la carrera por la generalizabilidad desde dentro. Sin embargo, dentro de Nomagic, el equipo deliberadamente estrecha su enfoque: el dominio profundo de un conjunto específico de operaciones de almacén — agarre, transferencia y clasificación de artículos heterogéneos a velocidad industrial — es más importante que la capacidad de manejar tareas arbitrarias.

La justificación es pragmática: un cliente que construye un centro de cumplimiento automatizado no necesita un robot que pueda abrir puertas o preparar café. Necesita un sistema que, a las tres de la mañana, cuando llega un lote con embalaje no estándar, no se "bloquee" esperando a un operador.

¿Qué cambió en las operaciones de almacén?

La métrica clave en el cumplimiento robótico es la "human-in-the-loop rate": la proporción de situaciones en las que el sistema no puede funcionar por sí solo y solicita asistencia humana. Cada una de estas llamadas es un retraso en la línea de montaje, costos operacionales adicionales y una limitación en la escalabilidad sin aumentar el personal.

Según Nomagic, el despliegue del modelo VLA redujo esta métrica aproximadamente a la mitad en sitios de clientes comerciales. Críticamente importante: esto concierne el mismo equipamiento físico — los robots no fueron reemplazados. El aumento de autonomía a la mitad se logró exclusivamente mediante el nuevo "cerebro".

Para la industria, esta es una señal importante: los modelos VLA han cruzado el umbral donde pueden no solo ser demostrados en exhibiciones, sino también desplegados en operación real con resultados comerciales medibles.

¿Qué significa esto?

Nomagic hizo lo que la industria de robótica ha estado prometiendo durante años: trasladó un modelo de IA de nueva generación de un entorno de investigación a la producción y logró un resultado concreto y medible. La estrategia "primero dominio" puede resultar ser un camino más corto hacia almacenes verdaderamente autónomos que desarrollar un agente universal.