Los AMR están redefiniendo la logística — esto es lo que Kiva, MiR y Locus Robotics están realmente desplegando

Si hoy entras en un centro de distribución de Amazon, el suelo no se parece en nada a un almacén de hace una década. Los robots naranjas de Kiva — renombrados como Amazon Robotics tras la adquisición de 775 millones de dólares en 2012 — mueven pods de inventario enteros hacia trabajadores humanos fijos, eliminando los kilómetros de caminata que definían el trabajo. Amazon opera ahora más de 750 000 AMR en su red global. Eso no es un piloto. Es infraestructura.

Qué cuenta como AMR — y qué no

El término se estira. Un AMR navega autónomamente usando sensores integrados, mapea su entorno y se reencamina en tiempo real para evitar obstáculos. Eso lo distingue de un AGV (vehículo guiado automatizado), que sigue pistas magnéticas fijas o rejillas reflectantes y se detiene en seco si algo bloquea su camino. La diferencia práctica importa: los AMR se pueden implementar en un almacén existente sin levantar el suelo, por eso la adopción se aceleró tan bruscamente después de 2018.

Las principales categorías en despliegue comercial hoy son: transportadores de pods de mercancía a persona (Amazon Robotics, Geek+, Quicktron), montacargas autónomos y transpaletas (Seegrid, Vecna Robotics, línea Autopilot de Toyota), robots de picking de cajas y clasificación (Locus Robotics, 6 River Systems), y AMR de exterior/patio — aún tempranos pero emergiendo en puertos de contenedores.

Las principales plataformas y dónde se están implementando

Amazon Robotics (derivado de Kiva): La flota de AMR más grande del mundo. Las plataformas Proteus y Hercules manejan movimientos a nivel de palé; el sistema de transmisión maneja el transporte de pods. Integrado estrechamente con el sistema de gestión de almacenes de Amazon y no disponible comercialmente — Amazon mantiene esta ventaja competitiva internamente.

Locus Robotics: Implementado en cientos de sitios de logística 3PL y retail en todo el mundo. El LocusBot trabaja junto a pickers humanos: navega a una ubicación de picking, el humano coloca los artículos en la cesta del robot, el robot se dirige a empaque. DHL, Geodis y Quiet Logistics (adquirida por American Eagle Outfitters) han divulgado públicamente despliegues en múltiples sitios. Locus afirma que su sistema ofrece consistentemente 2–3 veces las unidades por hora del picking manual.

6 River Systems (adquirido por Shopify en 2019, luego vendido a Ocado en 2023): El robot colaborativo "Chuck" adopta un modelo de asistencia humana similar. Shopify licenció el sistema para su propia red de cumplimiento; la adquisición de Ocado reflejó un interés estratégico en la automatización como servicio para el cumplimiento de comestibles.

Mobile Industrial Robots (MiR, adquirido por Teradyne): Enfocado en logística interna: mover carros, estantes y cargas pesadas entre líneas de producción y almacenes. Ampliamente implementado en fabricación automotriz y electrónica. BMW, B. Braun y Flex han publicado casos de estudio. El MiR1350 maneja cargas de hasta 1 350 kg, colocándolo directamente en uso industrial pesado.

Geek+ y Quicktron: Dominantes en Asia. Geek+ ha implementado más de 50 000 robots globalmente, con especial densidad en comercio electrónico chino, indumentaria y farmacéutica. Ambas empresas han incursionado en mercados europeos y norteamericanos de 3PL.

Cómo funciona realmente la navegación

Los AMR modernos dependen de la localización y mapeo simultáneos (SLAM): el robot construye un mapa de su entorno mientras rastrea su propia posición dentro de ese mapa, usando una combinación de LiDAR, cámaras de profundidad y odometría de ruedas. El mapa se genera durante un recorrido de aprendizaje inicial, se actualiza continuamente a medida que el entorno cambia y se comparte en toda la flota para que todos los robots se beneficien de las nuevas observaciones de un robot.

El software de gestión de flotas funciona por encima de los controladores individuales de robots y maneja el tráfico: asignar tareas, enrutar robots para evitar colisiones, gestionar ciclos de carga y reequilibrar cargas de trabajo cuando la demanda aumenta. Las mejores plataformas — Locus, 6 River, MiR Fleet — exponen APIs REST y se integran directamente con sistemas de gestión de almacenes (WMS) y sistemas de gestión de pedidos (OMS), por lo que la asignación de tareas está automatizada de extremo a extremo.

El aprendizaje automático (Machine Learning) entra de dos maneras. Los modelos de percepción manejan la clasificación de obstáculos (una persona vs. un palé vs. una caja suelta). Los modelos de predicción de demanda, cada vez más integrados en el software de gestión de flotas, posicionan previamente los robots en zonas que probablemente se congestionen antes de que llegue una ola, reduciendo la latencia entre la liberación del pedido y el inicio del picking.

Qué pueden hacer los AMR de forma fiable hoy

• Transporte de mercancía a persona: Mover pods, estantes o contenedores a una estación de picking fija y devolverlos al almacenamiento. Esto está resuelto a escala: el modelo Kiva tiene una década de prueba de producción.
• Asistencia colaborativa de picking: Navegar a ubicaciones de picking delante o junto a un trabajador humano, transportar cestas y enrutar el trabajo completado a empaque. Fiable en entornos estructurados y mapeados con iluminación constante.
• Transporte interno de materiales: Mover carros, estantes y transpaletas entre puntos definidos en una fábrica o centro de distribución. MiR y Seegrid tienen esto funcionando en plantas automotrices de múltiples turnos.
• Clasificación: Algunas plataformas manejan la clasificación final directamente al transportista; otras alimentan brazos de clasificación humanos o robóticos. Se han validado comercialmente tasas de rendimiento de 1 500–2 500 unidades por hora por estación.

Qué aún no pueden hacer de forma fiable

Los AMR mueven cosas de A a B. No recogen cosas de los estantes. La última pulgada — alcanzar un contenedor, identificar un SKU entre 50 artículos similares, agarrarlo sin dañarlo — sigue siendo el problema difícil. Existen sistemas robóticos de pieza picking (Covariant, Mujin, RightHand Robotics) pero son sistemas separados y aún no están integrados a la velocidad y precisión que permitirían a un almacén eliminar por completo a los pickers humanos.

Los entornos no estructurados o exteriores siguen fuera del alcance de la mayoría de las plataformas. Un almacén tiene carriles definidos, iluminación constante y un diseño conocido. Un muelle de carga, un patio o el piso de una tienda minorista no los tiene. La automatización de patios existe pero es costosa y específica del sitio. El reabastecimiento en tiendas minoristas mediante AMR está emergiendo (el robot Tally de Simbe Robotics escanea estantes, no repone), pero la reposición autónoma fiable no está en despliegue general.

Los entornos de uso mixto con alta densidad de tráfico humano — como los de supermercados u hospitales — también son más difíciles de lo que parecen. Los requisitos de certificación de seguridad, el comportamiento humano irregular y los pasillos estrechos se combinan. Los robots que trabajan allí tienden a ser más pequeños, más lentos y más conservadores en el enrutamiento, lo que limita el rendimiento.

La economía en 2026

Un robot de picking colaborativo de gama media (Locus, 6 River Chuck) cuesta aproximadamente $25 000–$40 000 por unidad en compra de capital, o $1 200–$1 800 al mes bajo contratos de robótica como servicio (RaaS). Un AMR de alta carga (MiR1350, Seegrid GT) cuesta entre $60 000 y $100 000 por unidad. Esos números han bajado aproximadamente un 30–40 % en los últimos cinco años a medida que escalaron los volúmenes de fabricación.

El caso de negocio se basa en horas de trabajo desplazadas, no en trabajo eliminado. Un despliegue de Locus en un 3PL de tamaño mediano típicamente apunta a una mejora de 2 a 3 veces en la tasa de picking por trabajador humano, lo que significa el mismo rendimiento con la mitad o dos tercios de los pickers — o un rendimiento sustancialmente mayor con la misma dotación. Con un costo laboral total de $20–$25/hora incluyendo beneficios y rotación (que en algunos mercados de almacenes de alta rotación alcanza el 100 % anual), se citan comúnmente períodos de recuperación de 18 a 30 meses.

El modelo RaaS, pionero en parte de Locus y ampliamente adoptado en el sector, cambia el perfil financiero: sin gran desembolso de capital, precios basados en el rendimiento, y el proveedor asume los costos de mantenimiento y actualizaciones de software. Para los operadores que no pueden justificar un compromiso de capital de $2 millones, RaaS ha sido la clave.

Qué significa esto para los trabajadores de almacén

La imagen honesta es más matizada que "los robots están quitando todos los trabajos" o "no se preocupen, aparecerán nuevos empleos". La Oficina de Estadísticas Laborales clasifica a más de 1,1 millones de personas en EE.UU. como surtidores de pedidos, empacadores y transportistas de materiales — roles directamente en la trayectoria del despliegue de AMR. El desplazamiento está ocurriendo, pero es desigual, gradual y concentrado en los segmentos de mayor volumen y más repetitivos del trabajo.

Lo que el despliegue de AMR hace consistentemente es bifurcar la mano de obra del almacén. Los roles de caminar y recoger se reducen o se mejoran a supervisión de robots y manejo de excepciones. Los roles de mantenimiento, gestión de flotas e integración de sistemas crecen, pero requieren habilidades diferentes y pagan más. Los trabajadores que realizaban el picking físico no se convierten automáticamente en los trabajadores que harán la supervisión de robots — esa transición requiere inversión en capacitación que la mayoría de los operadores han sido lentos en proporcionar.

La presión a corto plazo se concentra en almacenes de comercio electrónico y 3PL de gran huella, donde el volumen justifica la inversión. Las operaciones más pequeñas, las instalaciones de cadena de frío y los entornos con alta variabilidad de SKU tienen curvas de adopción más lentas. Los trabajos más protegidos a corto plazo son aquellos que requieren juicio en situaciones no estructuradas — el tipo de flexibilidad que los AMR, tal como existen hoy, realmente no tienen.