Se acerca un avance en los modelos, pero ¿cuánto falta para su uso en las fábricas?

  • Nomura prevé que OpenAI lance un modelo para la IA física entre diciembre de 2026 y enero de 2027, lo que constituiría el primer catalizador. Sin embargo, el banco sitúa esta oleada de avances cerca de GPT-2: las capacidades empiezan a manifestarse, pero aún queda un trecho hasta lograr una producción estable.
  • Ya hay avances en el aprendizaje a partir de pocas demostraciones. Generalist AI comunicó que GEN-1.5 logró una tasa de éxito del 59% en diez pruebas tras ver una demostración de 3–12 segundos, que subió al 83% tras un breve entrenamiento con cinco minutos adicionales de datos. Estos resultados proceden de pruebas de la empresa que abarcan tareas cortas o entornos simulados.
  • La fiabilidad es lo que realmente determina si los clientes pasan de los presupuestos de prueba a los presupuestos operativos. Según la investigación de Nomura, los mejores robots solo pueden funcionar unas horas sin intervención, mientras que las fábricas necesitan una semana; la precisión sobre el terreno ronda el 60%, frente al mínimo del 98% exigido por la industria. El banco prevé que cerrar esta última brecha llevará 3–5 años.

¿Por qué podrían los vídeos en primera persona cambiar los costes de entrenamiento?

  • La teleoperación depende de personas que controlan robots a distancia para recopilar datos; es costosa y está vinculada a modelos concretos. Nomura sitúa el coste habitual en unos 700 yuanes por hora. El vídeo humano en primera persona cuesta unos 300–350 yuanes y sigue siendo utilizable entre generaciones de robots, por lo que resulta más adecuado para ampliar los datos de preentrenamiento.
  • La mejora de la eficiencia también procede de los métodos de entrenamiento. SuperMimic primero aprende cómo se mueve el cuerpo y luego entrena un controlador dentro del modelo. El artículo académico informa de que el entrenamiento en una sola GPU durante 3 horas superó al método de referencia entrenado con 128 GPU durante 7 días, reduciendo las necesidades de cómputo más de mil veces. Esta mejora se refiere al control del movimiento de todo el cuerpo; a partir de ello, Nomura cree que la dependencia de la potencia de cálculo en esta etapa podría disminuir.
  • El vídeo puede resolver el aprendizaje inicial, pero el progreso continuado también depende de los datos generados mientras trabajan los robots. Nomura cree que solo un número suficiente de despliegues puede crear el ciclo «las operaciones generan datos—el modelo mejora—aumenta el despliegue».

¿Quién está mejor situado para convertir los avances de los modelos en un ciclo de retroalimentación de datos?

  • Nomura prefiere los grandes laboratorios de IA y Tesla: los primeros poseen modelos de propósito general, talento y capacidad de cómputo, mientras que Tesla conecta la simulación, las plataformas de datos, las pruebas en fábrica y sus propios robots. Ambos tipos de capacidades pueden complementarse.
  • La escala sobre el terreno sigue siendo una limitación. Según la investigación de Nomura, Tesla aspira a acumular 1 millón horas de datos utilizables para finales de 2026 mediante unos 10 mil robots de entrenamiento interno. En comparación, se prevé que las siete principales empresas chinas de mensajería urgente compren en conjunto menos de 500 robots humanoides en 2026. Por ello, el banco considera que el ciclo comenzará dentro de empresas que controlan tanto los modelos como los robots.

¿Por qué podrían las manos diestras ser las primeras en aumentar su volumen?

  • En el pasado, los datos de entrenamiento eran insuficientes y los robots utilizaban con mayor frecuencia pinzas sencillas. Nomura cree que los modelos fundacionales más potentes pueden transferir las habilidades aprendidas por pinzas de dos o tres dedos a manos de cinco dedos, impulsando una mayor adopción y una caída del precio unitario.
  • El banco prevé que los envíos de manos diestras crezcan entre 80% y 120% interanual en 2026, impulsados principalmente por productos con un alto grado de libertad y más articulaciones móviles. La lógica del beneficio es que los modelos reducen la barrera de uso de manos complejas, mientras que el crecimiento de los envíos va acompañado de una caída de los precios.

¿Por qué dependerá finalmente la competencia entre fabricantes de robots completos de la consistencia de fabricación?

  • Nomura prevé que, una vez estabilizada la línea de desarrollo de los modelos, los robots converjan hacia unas pocas formas estándar. Entonces será fundamental que las más de 20 articulaciones de cada robot funcionen de manera similar: si las diferencias entre los cuerpos son demasiado grandes, una estrategia de control aprendida por una máquina será difícil de reutilizar en otras, lo que perjudicará el intercambio de datos.
  • Por ello, el banco prefiere a Unitree, los fabricantes de automóviles y los proveedores de componentes clave que iteran con rapidez y controlan bien los costes. También prevé que Unitree aumente la proporción de compras externas a medida que crezca el volumen, para equilibrar costes y calidad. Por el contrario, los fabricantes de robots completos con poca consistencia en sus productos y que dependen de clientes que recopilan datos podrían afrontar una caída de la demanda.