Opinión La ventana estratégica de la robótica barata en América Latina
El sistema BATON resuelve el encadenamiento de tareas robóticas complejas sin reentrenar modelos. Con costes de hardware en caída y regulaciones divergentes, los ejecutivos de la región tienen una ventana única para automatizar capturando sus propios datos operativos.
La robótica llevaba décadas estancada en un problema engañosamente simple: saber abrir un cajón, agarrar un objeto y colocarlo en una bandeja no garantiza poder hacer las tres seguidas. El error de una fase se propaga y condena a la siguiente. Investigadores de la Universidad del Sur de California y la Universidad Central de Florida acaban de publicar BATON, un sistema que ataca precisamente ese cuello de botella: la composición de habilidades de contacto rico en secuencias de más de mil pasos.
Hasta ahora, los modelos visión-lenguaje-acción (VLA) aprendían cada destreza en aislamiento. Al concatenarlas, la deriva acumulada rompía la ejecución; en el benchmark RoboMemArena, un robot que superaba la mitad de las etapas intermedias solo completaba el 10 % de las tareas enteras. BATON cambia la unidad de exploración: en lugar de probar la tarea completa con coste exponencial, explora cada subtarea en horizonte corto con coste aditivo, guarda la solución en memoria de lenguaje y compone la trayectoria larga leyendo esa memoria.
El avance introduce tres transiciones de primera clase: invocación (llama al VLA solo cuando la cámara de muñeca confirma que la escena está lista), traspaso (repara el estado sucio que dejó el paso anterior) y anticipación (elige el agarre que también sirva al siguiente movimiento). El resultado es un 11,6 % más de éxito en tarea completa y un 14,9 % en éxito acumulado sobre el estado del arte, sin actualizar un solo parámetro del modelo base.
Del paper al mercado salta la relevancia. Luis Sentís, catedrático en UT Austin y fundador de Apptronik, lo traduce en cifras: la inversión global en humanoides pasó de 40 millones a 40.000 millones de dólares en cuatro años y el coste unitario ha caído hasta los 3.000 euros por robot. Apptronik ya emplea a cientos de trabajadores "grey collar" recolectando datos de manipulación real —coger cajas, cortar precintos, colocar en estanterías— para entrenar sus flotas. La proyección de Goldman Sachs apunta a 1,4 millones de unidades vendidas al año en 2035.
Mientras tanto, la regulación diverge. Estados Unidos ha reaccionado con proteccionismo: la FTC emitió una prohibición amplia a la importación de robots avanzados del exterior para blindar una industria incipiente que aún tropieza en demostraciones públicas. Europa, en cambio, regula antes de que el producto salga al mercado. Sentís lo contrasta: en EE. UU. se lanza, se denuncia y se corrige; en la UE se certifica primero.
Para un ejecutivo latinoamericano, la convergencia de estos tres vectores —algoritmo que compone, hardware que abarata y regulación que diverge— abre una ventana estratégica concreta. La región no está sujeta al veto de la FTC ni al corsé preventivo de Bruselas, pero comparte la urgencia de productividad de una base industrial que no puede esperar a que maduren los estándares globales.
Es clara la lección operativa: no compren "robots con IA". Compren plataformas de manipulación con interfaz de primitivas analíticas para movimiento libre, VLA congelado para contacto y memoria de transiciones legible. Exijan al proveedor que demuestre handoff y lookahead en su célula real, no en simulación. Y empiecen a capturar datos de sus operarios hoy: ese conjunto de datos es el activo que ninguna regulación puede arancelar.
Quien entienda que la ventaja no está en el brazo mecánico sino en la coreografía algorítmica que lo gobierna, y que esa coreografía se entrena con la experiencia cotidiana de la planta, llegará primero a la automatización asequible. Los demás seguirán comprando promesas mientras la ventana se cierra.
