es.wedoany.com Noticia: El departamento de investigación corporativa de Siemens está impulsando la tecnología de robótica flexible desde los prototipos de laboratorio hacia aplicaciones industriales reales. La tarea principal actual del Dr. Kal Mos, quien lidera la investigación y pre-desarrollo de tecnologías fundamentales en este departamento, es transformar los sistemas robóticos flexibles en soluciones comerciales capaces de operar de manera fiable en entornos inestables como fábricas y almacenes.
Tras nueve meses en el equipo de Tecnologías Fundamentales de Siemens (Siemens Foundational Technologies), Mos se dedica a resolver un problema de ingeniería clave: cómo convertir una tecnología que funciona bien en entornos controlados en un producto robusto y comercialmente viable frente al mundo real. El núcleo de este trabajo reside en la simulación. El entrenamiento de sistemas robóticos ha dependido durante mucho tiempo de combinar datos del mundo real con simulaciones a gran escala en entornos controlados. Hace aproximadamente 18 meses, Siemens desarrollaba sus programas haciendo que los robots observaran a operadores humanos. Este proceso, denominado modelo de Visión-Lenguaje-Acción (VLA), permite al robot observar una tarea, razonar sobre ella y ejecutarla por sí mismo. El proceso comienza con la teleoperación, donde un humano repite la misma tarea cientos de veces mientras el robot observa, registra y aprende los movimientos simultáneamente. Estos datos se utilizan para ajustar el modelo, enseñándole a afrontar variaciones. Posteriormente, los investigadores evalúan el rendimiento del modelo y construyen un sistema de simulación de bucle cerrado. Mos explica que la simulación de bucle cerrado implica que el robot posee capacidad de percepción, pudiendo detectar su entorno a través de numerosos sensores. No obstante, señala que crear robots completamente autónomos sigue siendo actualmente un objetivo de investigación y aún no existe en la realidad.
Actualmente, Siemens ya ha desplegado algunos prototipos en sus propias fábricas y los ha integrado activamente en los procesos de producción. Estos robots se denominan "robots flexibles" porque no son completamente autónomos ni están preprogramados en el sentido tradicional. El operador no programa todos los pasos, sino que solo asigna la tarea, permitiendo que el robot determine por sí mismo los pasos intermedios para completarla. Una vez desplegado, el sistema entra en un entorno de simulación de bucle cerrado, basado en modelos de IA, optimizando la tarea mediante demostraciones repetidas. El robot utiliza sensores para percibir el entorno, ajusta sus movimientos según datos en tiempo real y opera en un ciclo iterativo de observación, acción y ajuste, entrenándose para funcionar correctamente también fuera de entornos controlados. Este robot flexible representa un paso inicial hacia máquinas más independientes. En la planta de producción, esta capacidad se materializa en manipuladores móviles: sistemas que combinan un brazo robótico con una base móvil. Aunque no alcanzan la autonomía total, pueden ejecutar tareas específicas con cierta independencia, empezando a cerrar la brecha entre la instrucción y la iniciativa.
En el centro de innovación de Siemens durante la Feria de Hannover 2026 (Hannover Messe 2026), la compañía mostró cómo la IA industrial está moldeando el futuro de la industria autónoma. En un caso, la IA de visión industrial ayudaba a un robot de selección a identificar y manipular diversos objetos. La IA analiza la forma, el tamaño o el embalaje de un objeto en milisegundos y, combinada con una pinza múltiple accionada por vacío, permite al robot mover artículos de manera más eficiente en la línea de producción. El producto Simatic Robot Pick AI Pro ayuda a superar desafíos de intralogística compleja que antes eran difíciles de abordar. Mos señala que recoger materiales sólidos o flexibles es sencillo para los humanos, pero representa un enorme desafío para los robots. La dificultad principal reside en la percepción y el control al manipular objetos blandos: el robot necesita dominar con precisión la presión aplicada para evitar deformar o dañar el objeto. La complejidad aumenta aún más cuando se necesita colocar un objeto dentro de otro contenedor flexible (como introducir varios artículos en una bolsa de plástico), ya que la forma del objeto y de la bolsa puede cambiar de manera impredecible, obligando al robot a depender de sensores de fuerza y par, así como del sistema de percepción, para ajustar continuamente el agarre y el movimiento. Siemens no persigue una inteligencia artificial de propósito general, sino que se concentra en desarrollar un número menor de casos de uso claramente definidos. Mos afirma que acotar el alcance permite a los desarrolladores entrenar los sistemas de manera más eficaz y fiable, con el objetivo final de alcanzar la autonomía total. Aun así, el camino por delante sigue requiriendo una gran cantidad de trabajo intensivo en mano de obra.
Las empresas de fabricación y logística consideran cada vez más los sistemas bípedos como el siguiente paso en la automatización. En la Feria de Hannover 2026, al menos 15 expositores mostraron robots diseñados específicamente para su despliegue en líneas de producción reales, con el objetivo de integrarse en los flujos de trabajo existentes y asumir tareas más complejas. En opinión de Mos, la cuestión no es si los robots humanoides son adecuados para la industria, sino si son intrínsecamente superiores a la automatización tradicional. Él cree que la preferencia depende en última instancia de "la ecuación entre valor y coste". Dado que el mundo humano —sillas, mesas, vehículos y fábricas— está construido para los humanos, una máquina capaz de moverse de manera similar en los mismos espacios tendría un valor inmenso. Sin embargo, el camino para lograrlo podría ser gradual. Mos opina que, hasta que se alcance un hito de coste razonable, los robots con ruedas podrían ofrecer más valor. A corto plazo, las plataformas más simples pueden proporcionar una mayor utilidad: se desplazan con más facilidad, pueden llevar baterías más grandes y evitan los numerosos desafíos de estabilidad que conlleva el diseño con piernas. Siemens no desarrolla hardware robótico propio, sino que, mediante una estrategia centrada en el software, se enfoca en la capa de inteligencia y orquestación del robot, con el objetivo de mejorar la capacidad de toma de decisiones y el nivel de integración del sistema.
Como parte de una visita para medios, la revista Machine Design recorrió la fábrica de electrónica de Siemens en Erlangen, Alemania, para observar la aplicación de esta estrategia sobre el terreno. Allí, Siemens colabora con la empresa británica de IA y robótica Humanoid para desarrollar conjuntamente el robot Alpha con ruedas HMND 01 de Humanoid, diseñado para realizar tareas logísticas autónomas sin necesidad de añadir hardware adicional. Esta colaboración se basa en modelos fundacionales de IA sobre la pila de IA de NVIDIA. El enfoque de Siemens no es diseñar una nueva pinza para manipular tejidos, sino desarrollar una IA que permita a los robots existentes comprender cómo agarrar, cómo ajustar la fuerza y coordinarse con otras máquinas en la línea de producción. En este entorno, la plataforma Siemens Xcelerator proporciona el gemelo digital, el entorno de simulación y orquesta el flujo de datos que conecta el diseño del robot humanoide, la simulación, el control industrial y la analítica, permitiendo la monitorización y actualización en tiempo real.
Este artículo es compilado por Wedoany, las citas de la IA deben indicar la fuente «Wedoany»; si hay alguna infracción u otro problema, por favor notifícanos a tiempo, este sitio lo modificará o eliminará. Correo electrónico: news@wedoany.com
