Durante mucho tiempo, los robots se programaron línea por línea. En 2026, los más avanzados aprenden de otra manera: un humano les muestra el gesto, guiándolos a distancia o haciéndolo él mismo frente a una cámara, y un modelo de IA aprende a imitarlo. La respuesta corta: el humano no desaparece de la robótica, cambia de papel y se convierte en el entrenador del robot. Ya es un oficio, y será una competencia clave en los talleres.
Lo esencial
- Entrenar un robot por demostración se ha impuesto en la investigación y entre los fabricantes de humanoides: teleoperación, pinzas sostenidas con la mano, trajes de captura de movimiento, videos.
- Unos investigadores demostraron en 2023 que un robot podía lograr tareas finas en el 80 a 90 % de los casos con solo diez minutos de demostraciones.
- Los grandes actores ya contratan personas para producir esos gestos: operadores con trajes de captura de movimiento, teleoperadores, recolectores de datos.
- La calidad de las demostraciones hace la calidad del robot. El saber hacer de sus mejores operarios se convierte en un recurso estratégico.
Lo que está pasando
Del código al gesto. En abril de 2023, unos investigadores publican ALOHA, un sistema de dos brazos de bajo costo manejado por un humano mediante dos brazos «maestros». El robot registra los movimientos y luego una red neuronal aprende a reproducirlos. Con diez minutos de demostraciones, abre un pequeño envase de salsa o inserta una pila con un 80 a 90 % de éxito. A principios de 2024, la versión móvil, diseñada en Stanford, aprende tareas domésticas completas con 20 a 50 demostraciones por tarea, con un presupuesto de material inferior a 32 000 dólares, comparable según sus autores al precio de un solo cobot industrial. Ese mismo año, la interfaz UMI muestra que se pueden recoger esas demostraciones sin ningún robot, con una pinza sostenida en la mano.
Demostraciones a escala mundial. Los investigadores ponen sus datos en común. El proyecto Open X-Embodiment, publicado en 2023 por 21 instituciones, reúne más de un millón de trayectorias de 22 tipos de robots. El conjunto de datos DROID, publicado en 2024, cuenta con 76 000 demostraciones, es decir 350 horas, recogidas por 50 personas en 564 escenas distintas. Con esos datos se entrenan modelos de «visión-lenguaje-acción» (VLA), como π0 de la empresa Physical Intelligence, Gemini Robotics de Google DeepMind o GR00T N1 de NVIDIA, presentado en marzo de 2025 como el primer modelo fundacional abierto para humanoides.
El corrector, después del demostrador. En noviembre de 2025, Physical Intelligence describe un método que combina tres fuentes: las demostraciones, la experiencia del propio robot y las correcciones de un experto que retoma el control a distancia cuando el robot se equivoca. El robot dobla ropa, arma cajas y prepara cafés; en algunas de las tareas más difíciles, el rendimiento se duplica con creces y la tasa de fallos se reduce más o menos a la mitad. El humano ya no es solo quien muestra: es quien corrige.
Aparece un nuevo oficio. En 2024, Tesla contrataba «operadores de recolección de datos» pagados entre 25,25 y 48 dólares por hora, equipados con un traje de captura de movimiento y un casco de realidad virtual, capaces de caminar más de siete horas al día. En 2025, Figure anunció que su modelo había aprendido a desplazarse por viviendas únicamente a partir de videos grabados a la altura de los ojos por personas, sin ninguna demostración de robot. En China, según el diario de Hong Kong The Standard, existían al menos 30 centros de recolección de datos a finales de 2025; en uno de ellos, cada robot tiene su entrenador asignado, que guía sus movimientos por teleoperación mientras el sistema registra los ángulos de las articulaciones y la fuerza de agarre. El director de ese centro estima que aprender una sola habilidad básica requiere miles de registros. En casa, por último, el robot NEO de 1X puede ser tomado a distancia por un operador, con el permiso del propietario, para las tareas que todavía no domina.
El humano, entrenador de robots: lo que cambia para usted
Para un taller, la consecuencia es profunda. Programar un robot clásico exigía un especialista, días de ajuste y una pieza siempre colocada en el mismo lugar. Aprender por demostración abre la puerta a tareas más variables y, sobre todo, a quienes saben hacer el gesto: sus operarios.
El saber hacer cambia, por tanto, de estatus. El truco de un ajustador, la manera en que una montadora toma una pieza frágil, la corrección instintiva de un soldador: son exactamente los datos que un robot necesita. Demostrar bien es una competencia. Una demostración vacilante o incoherente produce un robot vacilante. Los mejores entrenadores de robots serán a menudo los mejores profesionales del oficio, no los informáticos.
Dos puntos de atención. Primero, esos datos tienen valor: ¿quién es su dueño cuando un proveedor los recoge en su taller? Segundo, las personas: grabar y registrar los gestos de un empleado toca su vida privada y el reconocimiento de su saber. Eso se negocia antes, no después.
Lo que he aprendido
Todavía no he entrenado a un robot humanoide. Pero conozco esta lógica bajo otras formas. Cuando monté el Alquimista Café, me formé yo mismo en el oficio de barista para poder formar al equipo, y luego escribí un manual por puesto. Transmitir un gesto exige descomponerlo, hacerlo constante y explicar las excepciones. Es exactamente lo que se pide a un demostrador.
También lo vivo con la IA. Para mi contabilidad confiada a un agente, ya no capturo los comprobantes: escribo las reglas, reviso, corrijo los casos dudosos, y el agente mejora. Demostrar, supervisar, corregir: el robot de mañana exigirá el mismo trabajo, con gestos en lugar de reglas. Y en mis talleres veo cada día que una máquina precisa no sustituye el ojo de quien sabe lo que es una pieza bien hecha.
Qué hacer en concreto
1. Identifique sus gestos de referencia
Detecte las tareas en las que una persona lo hace claramente mejor que las demás, y pregúntese por qué. Ese saber hacer, hoy implícito, es su futura materia prima.
2. Documéntelos desde ahora
Grabe, con el consentimiento de las personas, y describa los pasos, las tolerancias y los casos particulares. Incluso sin robot, esta documentación sirve para formar a los nuevos.
3. Haga una prueba a pequeña escala
Un pequeño brazo de código abierto se maneja, registra y aprende por unos cientos de dólares. Una tarde basta para entender qué es una buena demostración. Detallo estas opciones en la robótica al alcance de una pyme.
4. Fije las reglas de los datos
Antes de cualquier proyecto con un proveedor, ponga por escrito quién es dueño de los registros, dónde se guardan y qué puede hacer él con ellos. Asocie a las personas grabadas a esa decisión.
Bajo el capó
Para su técnico, la cadena típica del aprendizaje por imitación:
- Teleoperar, registrar, entrenar, desplegar: es el ciclo que propone la biblioteca de código abierto LeRobot de Hugging Face, con un brazo maestro que se mueve a mano y un brazo seguidor que reproduce el movimiento.
- Cada demostración se convierte en un conjunto de datos: video de las cámaras sincronizado con las posiciones y las órdenes de las articulaciones.
- Para empezar, una política ligera como ACT (la de ALOHA); después, el ajuste fino de un modelo VLA preentrenado, como π0 o SmolVLA, con sus propias demostraciones.
- La calidad cuenta más que la cantidad: iluminación estable, cámaras fijas, gestos coherentes de una demostración a otra.
Preguntas frecuentes
¿Hay que saber programar para entrenar un robot?
Para demostrar un gesto, no: sobre todo hay que conocer bien el gesto. Para montar la cadena de aprendizaje, sigue haciendo falta un técnico.
¿Cuántas demostraciones hacen falta?
Depende de la tarea. Los trabajos publicados van de unas decenas de demostraciones para una tarea precisa a miles para una habilidad general.
¿Los entrenadores de robots se vuelven inútiles a sí mismos?
No a corto plazo: los métodos más recientes se apoyan justamente en las correcciones de un experto. Su papel pasa de la ejecución a la demostración, la supervisión y el control de calidad.
Para ir más lejos
Este artículo forma parte de una serie de cuatro: dónde están realmente los robots humanoides y los cobots, lo que automatizan los robots y lo que sigue siendo humano, y por dónde empezar en una pyme. Preparar a sus equipos para este nuevo papel es tanto una cuestión de organización como de técnica: vea Estrategia y acompañamiento, o Ingeniería y fabricación para un prototipo. Lo más sencillo para conversarlo: una llamada de 20 minutos.
Fuentes
- Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware, T. Z. Zhao, V. Kumar, S. Levine, C. Finn, arXiv, abril de 2023 (en inglés).
- Mobile ALOHA: Learning Bimanual Mobile Manipulation with Low-Cost Whole-Body Teleoperation, Z. Fu, T. Z. Zhao, C. Finn, arXiv, enero de 2024 (en inglés).
- Universal Manipulation Interface: In-The-Wild Robot Teaching Without In-The-Wild Robots, C. Chi et al., arXiv, febrero de 2024 (en inglés).
- Open X-Embodiment: Robotic Learning Datasets and RT-X Models, Open X-Embodiment Collaboration, arXiv, octubre de 2023 (en inglés).
- DROID: A Large-Scale In-The-Wild Robot Manipulation Dataset, A. Khazatsky et al., arXiv, marzo de 2024 (en inglés).
- π0: A Vision-Language-Action Flow Model for General Robot Control, K. Black et al., Physical Intelligence, arXiv, octubre de 2024 (en inglés).
- π*0.6: a VLA That Learns From Experience, Physical Intelligence, arXiv, noviembre de 2025 (en inglés).
- Gemini Robotics 1.5, Gemini Robotics Team, Google DeepMind, arXiv, octubre de 2025 (en inglés).
- NVIDIA Announces Isaac GR00T N1, NVIDIA, 18 de marzo de 2025 (en inglés).
- Oferta de empleo de operadores de recolección de datos para el robot Optimus, Fortune, 19 de agosto de 2024 (en inglés).
- Project Go-Big: Internet-Scale Humanoid Pretraining and Direct Human-to-Robot Transfer, Figure AI, 18 de septiembre de 2025 (en inglés).
- China's embodied AI boom fuels demand for human-collected training data, The Standard, 19 de agosto de 2026 (en inglés).
- 1X Neo is a $20,000 home robot that will learn chores via teleoperation, Engadget, 29 de octubre de 2025 (en inglés).
- LeRobot, documentación de Hugging Face, consultada el 15 de noviembre de 2026 (en inglés).
- Foto: ThisIsEngineering / Pexels, licencia Pexels (pexels.com).
Etiquetas: entrenar un robot, aprendizaje por demostración, aprendizaje por imitación, teleoperación, robótica, saber hacer, nuevos oficios