Los robots humanoides ya operan en almacenes reales: una mirada honesta a lo que pueden y no pueden hacer
La narrativa de los robots humanoides ha ido muy por delante de la realidad durante décadas. Las demostraciones han deslumbrado al público, el capital de riesgo ha inundado el sector y los titulares han prometido una fuerza laboral robótica a la vuelta de la esquina. Pero 2025 marcó un punto de inflexión real. Figure, Agility Robotics, 1X Technologies y Boston Dynamics pasaron de las demostraciones a despliegues comerciales limitados. BMW, Amazon, GE Aerospace y Spanx están realizando pilotos activos. La pregunta ahora no es si los robots humanoides son reales, sino si la economía unitaria funciona.
Quiénes han desplegado realmente (no solo demostrado)
Agility Robotics Digit en Amazon
El Digit de Agility Robotics está desplegado en centros logísticos de Amazon desde 2023, manejando el movimiento de contenedores entre sistemas de cintas transportadoras. Amazon posee una participación en Agility Robotics, lo que ha creado una alineación inusual de incentivos. Digit funciona con un ciclo de batería de 4 horas y maneja contenedores de hasta aproximadamente 16 kg. A partir de 2025, hay cientos de unidades en piloto en cinco o más instalaciones de Amazon. La tarea es limitada — mover un contenedor del punto A al punto B en un plano conocido — pero es trabajo de producción real, no una demostración controlada.
Figure 02 en BMW
El Figure 02 entró en la planta Spartanburg de BMW para un piloto en 2024-2025, manejando tareas de ensamblaje de carrocería en blanco: mover piezas entre estaciones en un entorno de fabricación estructurado. Figure recaudó 675 millones de dólares a principios de 2024 con una valoración de 2.600 millones. Microsoft y OpenAI son inversores, y Figure utiliza los modelos de OpenAI para la planificación de tareas y el control condicionado por lenguaje. El piloto de BMW representa el primer despliegue de un humanoide en un contexto de ensamblaje automotriz de alta gama.
Otros despliegues activos
- 1X Technologies Neo (respaldado por OpenAI): desplegado en funciones de seguridad e inspección de instalaciones — un alcance más conservador que el trabajo en fábrica, pero una operación comercial genuina.
- Apptronik Apollo: alianza con Mercedes-Benz para pilotos en planta en 2025, centrado en manejo de piezas y logística dentro de operaciones de ensamblaje.
- Boston Dynamics Atlas (eléctrico): el Atlas hidráulico se retiró en abril de 2024, reemplazado por una versión eléctrica que es dramáticamente más capaz en manipulación y movilidad. Hyundai está utilizando el Atlas eléctrico en un piloto de fabricación — algo notable dado que Hyundai es propietaria mayoritaria de Boston Dynamics.
En qué son realmente buenos los robots humanoides hoy
Evaluación honesta: los humanoides actuales destacan en un perfil específico y limitado de tareas.
- Pick-and-place repetitivo en entornos estructurados: misma tarea, misma ubicación, alto volumen. Cuando el robot puede depender de una colocación consistente de objetos y una geometría predecible, el rendimiento mejora drásticamente.
- Movimiento de elementos entre puntos fijos en un plano conocido: el despliegue de Digit en Amazon es el ejemplo canónico. El entorno está mapeado; la tarea es consistente; el robot no necesita manejar sorpresas.
- Entornos diseñados para humanos: la mayoría de los almacenes y fábricas fueron construidos para humanos — puertas estándar, anchos de pasillo, alturas de estanterías. Los humanoides encajan sin necesidad de reequipar la infraestructura, a diferencia de los AGV (vehículos guiados automatizados) o robots de brazo fijo que requieren entornos hechos a medida.
- Turnos nocturnos y entornos peligrosos: altas temperaturas, exposición a químicos, tareas propensas a lesiones por esfuerzo repetitivo. Los humanoides no se fatigan, no necesitan equipos ergonómicos y pueden operar continuamente en condiciones que generan alta rotación de personal.
Lo que aún no funciona bien
Las brechas siguen siendo significativas, y cualquier evaluación honesta debe mencionarlas directamente.
- Manipulación diestra: los humanoides aún no pueden manejar de manera fiable la diversidad de formas, orientaciones y materiales de objetos que un trabajador humano maneja instintivamente. Una bolsa arrugada, una caja con orientación extraña, un paquete blando — las tasas de fallo siguen siendo altas. Agarrar objetos arbitrarios en condiciones no controladas es un problema no resuelto.
- Velocidad: los humanoides actuales caminan a 1,5–2 m/s y manipulan a una fracción de la velocidad humana. Un picker humano en un almacén procesa 300–400 unidades por hora; los robots humanoides gestionan 40–80 en tareas comparables. Esta brecha de rendimiento determina directamente el ROI.
- Fiabilidad: el MTBF (tiempo medio entre fallos) todavía se mide en horas para muchas unidades en despliegue real, no en los miles de horas que requiere el equipo industrial. El mantenimiento es significativo.
- Costo: se estima que el Figure 02 cuesta entre 150.000 y 200.000 dólares por unidad; el Digit aproximadamente 100.000 dólares. A esos precios, el ROI requiere tareas de alto rendimiento en entornos con altos costos laborales — un conjunto de oportunidades más reducido de lo que sugiere la narrativa amplia de «reemplazar a todos los trabajadores de almacén».
El ángulo de la IA encarnada — por qué 2024-2025 es diferente
Los robots humanoides anteriores — ASIMO, el Atlas hidráulico original — usaban comportamientos scriptados. Cada acción era programada a mano por ingenieros; los robots no podían generalizar más allá de sus rutinas programadas. Los humanoides modernos utilizan aprendizaje por imitación y aprendizaje por refuerzo a partir de demostraciones humanas. Un humano teleopera el robot para demostrar una tarea 50–200 veces; el robot aprende una política generalizada que puede manejar variaciones dentro de esa clase de tarea.
Physical Intelligence (Pi), fundada por exinvestigadores de Google y DeepMind, recaudó 400 millones de dólares en 2024 para construir políticas de manipulación generalizables. Su modelo π0 se entrena con datos de múltiples robots y se ejecuta en hardware de Figure, Agility Robotics y 1X. Este enfoque de «modelo fundacional para robots» significa que las mejoras en la política subyacente se transfieren entre tipos de robots — similar a cómo los LLM transfieren capacidades aprendidas entre tareas sin necesidad de reentrenamiento específico.
La implicación: la curva de mejora de la capacidad de los robots humanoides ahora está acoplada a la curva de mejora de los modelos de IA, no solo a la iteración de hardware. Es una dinámica fundamentalmente diferente a la curva de progreso de la ingeniería mecánica que gobernó las generaciones anteriores.
La economía laboral
Vale la pena hacer los números con cuidado. Los trabajadores de almacén en Estados Unidos tienen un costo total de 40.000–55.000 dólares al año, incluyendo beneficios, rotación, formación y gastos de supervisión. Un robot humanoide con un costo de capital de 150.000 dólares más 20.000 dólares anuales de mantenimiento representa un período de recuperación de aproximadamente 4 a 6 años a los niveles de productividad actuales — aceptable para equipos de capital con un horizonte de 10 años, pero ajustado.
El punto de equilibrio mejora drásticamente bajo dos condiciones: si la velocidad del robot alcanza el 60–70% del rendimiento humano (Physical Intelligence prevé que esto sea alcanzable para 2027 en tareas estructuradas), y si los costos unitarios bajan a 50.000–75.000 dólares a escala. El programa Optimus de Tesla apunta a menos de 30.000 dólares por unidad en volumen — Elon Musk ha citado públicamente esta cifra. A partir del primer trimestre de 2026, aproximadamente 1.000 unidades de Tesla Optimus están funcionando internamente en las propias fábricas de Tesla, con ventas externas previstas para 2026. Si esas proyecciones de costos se mantienen, el cálculo del ROI pasa de «justificación estrecha» a «ampliamente convincente».
La capa regulatoria y de seguridad
OSHA aún no tiene estándares específicos para robots humanoides. Los fabricantes operan actualmente bajo las pautas de seguridad de maquinaria existentes, principalmente la ISO 10218, que rige los robots industriales. Los estándares de robots colaborativos (cobot) permiten la operación cerca de humanos con límites de velocidad y fuerza. Los humanoides en espacios compartidos con humanos requieren salvaguardas adicionales; la mayoría de los pilotos actuales mantienen una separación física entre los trabajadores humanos y las zonas de operación del robot. La ausencia de marcos regulatorios claros es tanto un riesgo (incertidumbre de responsabilidad) como una oportunidad (captura regulatoria para los primeros en moverse que ayuden a redactar los estándares).
La conclusión honesta
Los robots humanoides funcionan hoy en tareas limitadas, de alto volumen y estructuradas — y la economía tiene sentido en entornos con altos costos laborales donde esa tarea limitada vale la pena a escala. El humanoide generalista que pueda manejar tareas arbitrarias de almacén — el que pueda recoger una bolsa arrugada, reorientar una caja desalineada y adaptarse a un plano cambiado sin reentrenamiento — probablemente esté a 5–8 años de un despliegue comercial fiable.
Pero la infraestructura que se está construyendo ahora — los datos de entrenamiento, las flotas de robots, los modelos de políticas, las cadenas de suministro de fabricación — es lo que hará que ese futuro llegue a tiempo. Los pilotos en Amazon, BMW y Mercedes-Benz no son solo validación de producto. Son los campos de entrenamiento para la próxima generación de capacidad. Cada hora que Digit funciona en un centro logístico de Amazon son datos que mejoran la próxima versión. Esa es la verdadera razón por la que los despliegues actuales importan, aunque la economía sea marginal hoy.