Durante los últimos tres años, la industria de los robots humanoides ha sido un concurso de vídeos virales. ¿Puede hacer una voltereta hacia atrás? ¿Puede hacer café? ¿Puede doblar una camisa? Estas manifestaciones fueron impresionantes, pero también fueron cuidadosamente organizadas, muy editadas y, en última instancia, carentes de realidad económica.
A mediados de noviembre de 2025, esa era dio su primer paso serio hacia su fin.
Figure AI y BMW Manufacturing concluyeron un programa piloto de 11 meses en la planta de Spartanburg, Carolina del Sur. El titular no es que los robots funcionaran. El titular es que el trabajo era aburrido.
No hubo volteretas hacia atrás. No hubo bailes. Había dos robots Figura 02 en una línea de chasis, insertando piezas de chapa en un dispositivo con una tolerancia de 5 milímetros, trabajando en turnos de 10 horas de lunes a viernes, durante meses. Entre todos gestionaron aproximadamente 90.000 colocaciones de piezas, alimentando la producción de más de 30.000 carrocerías BMW X3. No hicieron pausas para fumar. No se quejaron de lesiones por esfuerzos repetitivos.
Este es el “examen” que toda empresa de robótica ha estado temiendo, y Figure lo realizó durante 11 meses. El problema, como veremos, es que la hoja de calificaciones completa nunca se publicó.
Las métricas de la realidad
El piloto se centró en una tarea específica y de alta frecuencia: insertar piezas de chapa en un soporte del chasis. Esta es una tarea notoriamente difícil para la automatización tradicional porque la posición del chasis varía ligeramente y las piezas son endebles y difíciles de agarrar.
A diferencia de un brazo robótico rígido que espera que el mundo sea perfecto, un humanoide debe adaptarse a un mundo imperfecto. Los objetivos publicados por el piloto exigían:
- Precisión de ubicación: >99 % de tasa de éxito por turno.
- Tiempo de ciclo: 84 segundos por operación de varias partes.
- Tasa de intervención: Cero intervenciones humanas por turno: se registró cada pausa o reinicio.
Aquí está el asterisco en todo el ejercicio: ni Figure ni BMW publicaron datos sobre qué tan bien los robots cumplieron esos objetivos. Las intervenciones se registraron; el registro permaneció privado. Un piloto de 11 meses que termina con los KPI inéditos es una calificación aprobatoria por implicación, no por evidencia; vale la pena recordarlo cada vez que un comunicado de prensa lo califique de “éxito”.
La tolerancia de 5 mm
La métrica publicada más crítica es la tolerancia de ubicación. Se requirió que los robots colocaran piezas dentro de una ventana de tolerancia de 5 mm.
Para un humano, 5 mm es enorme. Para un robot que depende de la visión por computadora en una fábrica con condiciones de iluminación cambiantes (sombras de transportadores aéreos, chispas de soldadura), 5 mm es un cañón de incertidumbre. El hecho de que la Figura 02 pudiera alcanzar este objetivo de manera consistente utilizando solo redes neuronales integradas, sin marcadores de captura de movimiento externos, valida el enfoque de red neuronal “de extremo a extremo”.
La arquitectura neuronal: modelos de IA generativa en acción
La lógica operativa de la Figura 02 representa una desviación fundamental de la programación determinista. En lugar de ejecutarse con “código” en el sentido tradicional, el robot ejecuta acciones a través de un modelo de visión-acción (VAM) entrenado de extremo a extremo.
En un paradigma robótico clásico, un ingeniero de controles escribiría una lógica explícita:
if (sensor_A > 5) { move_arm(x, y, z) }
Este enfoque es frágil. Si la lectura del sensor se desplaza a 4,9, el código falla.
Por el contrario, la Figura 02 funciona como un Transformador Generativo Preentrenado (GPT) para la acción física. Las cámaras a bordo del robot introducen un flujo de fichas visuales en un modelo de transformador. Simultáneamente, el modelo recibe una instrucción semántica de alto nivel como “Coloque el paréntesis”. El sistema procesa estas entradas y predice el siguiente token de la secuencia. Sin embargo, en lugar de predecir la siguiente palabra de una oración, predice el siguiente comando de velocidad conjunta.
Esta arquitectura de “píxeles a acciones” permite al robot generalizar. Si la pieza se gira 10 grados, la red neuronal no genera errores; simplemente predice una trayectoria de la mano ligeramente diferente, tal como un humano ajustaría intuitivamente su agarre. Un robot tradicional simplemente se estrellaría.
Detalles del canal de capacitación VAM
La modelo no se limita a mirar vídeos; está ingiriendo una corriente multimodal. La parte de “razonamiento” del VAM le permite planificar. Cuando se le da una orden, el modelo descompone la tarea en un plan latente. Este plan no es una secuencia codificada sino una nube probabilística de acciones potenciales. A medida que el robot se mueve, reevalúa constantemente la probabilidad de éxito durante los siguientes 100 milisegundos de movimiento. Este bucle de control de 10 Hz es lo que le permite corregir microdeslizamientos o vibraciones inesperadas en la línea del chasis. La capa de “razonamiento” se encuentra encima de la capa de “control motor”, actuando efectivamente como una corteza prefrontal que guía la corteza motora.
Por eso la brecha “Sim-to-Real” fue el mayor obstáculo.
Cruzando el abismo de Sim a Real
El aprendizaje por refuerzo (RL) permite a un robot entrenarse durante miles de años en una simulación en tan solo unos días. Sin embargo, las simulaciones son notoriamente “limpias”. La fricción es constante, la iluminación es uniforme y los motores físicos rara vez capturan la realidad caótica de una fábrica.
Cuando se toma un cerebro entrenado en “The Matrix” y se lo coloca en una fábrica de BMW sucia y ruidosa, generalmente sufre un cambio de distribución, esencialmente una convulsión digital en la que los sensores no coinciden con los datos del entrenamiento. El piloto de BMW demuestra que Figure ha resuelto el problema de Aleatorización de dominio. Al entrenar el modelo con millones de variaciones de iluminación, ruido y fricción en la simulación, el mundo real parece simplemente “otra variación” de la red neuronal. Esta transferencia “Sim-to-Real” es el santo grial de la robótica de uso general, ya que permite a la flota aprender de las fallas en la nube sin romper el costoso hardware en la realidad.
La economía del “propósito general”
¿Por qué utilizar un humanoide de 150.000 dólares cuando un brazo KUKA de 30.000 dólares podría hacer esto?
Ésta es la pregunta central que los escépticos (y los vendedores en corto) han planteado desde el inicio del proyecto. La respuesta está en las limitaciones específicas de la configuración piloto de BMW. La Figura 02 se implementó en un espacio de trabajo humano existente.
- Sin jaulas: el robot trabajó junto a las personas, sin las costosas jaulas de seguridad amarillas que definen la automatización tradicional.
- Sin reequipamiento: la línea del chasis no fue reconstruida para el robot. El robot se adaptó a la línea.
- Flexibilidad: Si la línea cambia la próxima semana, el humanoide aprende la nueva tarea mediante una actualización de software. Un integrador especializado tendría que desmontar físicamente, mover y reprogramar un brazo dedicado.
Esta es la definición de Automatización Brownfield. Permite a los fabricantes automatizar plantas construidas en la década de 1990 sin derribarlas. El “impuesto a los robots” (el costo oculto de modificar el entorno de la fábrica para adaptarlo al robot) cae a casi cero. Además, el robot no es un activo vinculado a una línea de productos específica. Cuando la línea del cuerpo X3 en la que trabajó cambia, el robot pasa a la siguiente tarea. Un brazo fijo va al desguace.
El costo de la paridad laboral
A $150,000, suponiendo una vida útil de 5 años y un mantenimiento modesto, el costo por hora de una Figura 02 es aproximadamente de $10 a $15/hora. El costo total de un trabajador del UAW en Spartanburg a menudo excede los 65 dólares por hora. Pero tenga cuidado con las matemáticas agresivas de gasto de capital que verá en otros lugares: supone un tiempo de actividad 24 horas al día, 7 días a la semana con cambios de batería que reemplazan los turnos. El piloto no demostró nada de eso: los robots realizaron un solo turno de 10 horas, cinco días a la semana. En ese ciclo de trabajo, el período de recuperación se extiende a años, no a meses. El caso de un retorno de la inversión inferior a 12 meses requiere un funcionamiento las 24 horas del día, lo que sigue siendo, por ahora, hipotético.
Análisis prospectivo: la rampa de 2026
Y aquí está el segundo asterisco: el piloto terminó sin despliegue. BMW ha confirmado que actualmente no hay robots de figuras en la planta de Spartanburg y no hay un calendario definido para traerlos de regreso. El examen fue aprobado (probablemente); La oferta de trabajo no ha sido firmada. Aún así, los analistas de la industria esperan tres cambios importantes en 2026:
1. La fase “El blanco de los ojos”
Los robots pasarán de ser “pilotos enjaulados” a “zonas colaborativas diferenciadas”. Todavía no estarán hombro con hombro con los humanos (las normas de seguridad van a la zaga de la tecnología), pero compartirán el mismo aire.
2. El cuello de botella informático
La Figura 02 lleva una enorme computadora a bordo para ejecutar su VLM. A medida que estas flotas crezcan, la demanda de chips de inferencia de bordes (como el Jetson Thor de Nvidia) se disparará. El factor limitante para la implementación no será el hardware del robot; será la disponibilidad de computación localizada.
3. La respuesta sindical
El UAW y los comités de empresa alemanes han guardado silencio sobre estos pilotos porque eran “experimentales”. Ahora que un piloto de línea de producción completa ha seguido su curso, la conversación laboral pasará del “si” al “cuántos”. Espere que los contratos en 2026 definan explícitamente las “proporciones humanoides” por línea de montaje.
El veredicto
El piloto de la Figura 02 en BMW no fue un proyecto científico. Fue una entrevista de trabajo. Un robot bípedo entró, trabajó en la línea durante 11 meses y no se estrelló.
Pero el veredicto honesto no llega a la vuelta de la victoria. Los datos de rendimiento nunca se publicaron, la planta funciona hoy sin humanoides y desde entonces Figure ha retirado por completo la Figura 02: las unidades de BMW regresaron a la sede como parte de un retiro de toda la flota después del lanzamiento de la Figura 03.
El “humanoide útil” ya no es sólo una promesa. Es un candidato que pasó su período de prueba y todavía está esperando el contrato permanente.
🦋 Discusión en Bluesky
Discutir en Bluesky