Por Filip Grządkowski, vicepresidente de ingeniería
En la carrera por automatizar el mundo físico, no toda la inteligencia es igual.
Durante años, la robótica se ha impulsado gracias a los avances en los laboratorios de IA: modelos entrenados con simulaciones, datos sintéticos y entornos controlados. Estos avances son impresionantes, pero comparten una limitación fundamental: se desarrollan lejos de donde deben funcionar.
Los almacenes no son sistemas controlados. Son dinámicos, impredecibles y están llenos de situaciones excepcionales: los artículos se mueven, los embalajes se deforman, las cajas se pegan, los códigos de barras desaparecen.
Esta brecha entre la inteligencia de laboratorio y el rendimiento en el mundo real es lo que ha frenado la automatización a gran escala. Se trata de la brecha de fiabilidad de la IA física, y para superarla se requiere experiencia en producción.
Los datos del mundo real son la ventaja.
Cada acción que realiza un robot en un almacén en funcionamiento genera datos complejos y multidimensionales. Las interacciones del robot Nomagic capturan más de decenas de estas dimensiones, desde la geometría de los objetos y las trayectorias de movimiento hasta los resultados de la ejecución y los modos de fallo.
Con el tiempo, esto crea algo mucho más valioso que los conjuntos de datos sintéticos: un registro de la realidad en constante evolución. Esta es la base de la "Biblioteca del Caos" de Nomagic: millones de casos extremos del mundo real recopilados de entornos de producción. Códigos de barras ocultos, artículos que se mueven y embalajes dañados.
Estos son los momentos en los que la automatización suele fallar. Pero también son donde se produce el aprendizaje. Y, cada vez más, son los que definen la próxima generación de IA.
Una oportunidad fundamental
Nomagic está utilizando este conjunto de datos para construir un Modelo de Fundamentos Robóticos (RFM, por sus siglas en inglés), una nueva clase de IA diseñada para generalizarse en diversas tareas físicas. A diferencia de los sistemas robóticos tradicionales, creados para casos de uso específicos, los RFM se entrenan con datos de interacción a gran escala y del mundo real. El objetivo no es solo la capacidad, sino la adaptabilidad: sistemas que puedan gestionar la variabilidad, recuperarse de fallos y mejorar con el tiempo.
En la automatización de almacenes, el éxito no se define por un rendimiento promedio, sino por cómo los sistemas gestionan lo inesperado. Ahí es donde los datos reales se convierten en una verdadera ventaja competitiva.
Autonomía especializada frente a robots de uso general
El sector de la logística se centra cada vez más en robots de uso general; sistemas diseñados para realizar múltiples tareas en diversos entornos. Es una visión atractiva. Sin embargo, en las operaciones de almacén, se topa con una limitación fundamental: la eficiencia exige especialización.
El enfoque de Nomagic se basa en la autonomía especializada: sistemas de IA diseñados para tareas específicas de alto valor y optimizados para la velocidad, la precisión y la fiabilidad.
La gestión de almacenes exige un rendimiento extremo: operación continua, precisión casi perfecta y cientos de recogidas por hora. Este nivel de producción requiere lo que podríamos llamar “encarnaciones sobrehumanas”, o sistemas de IA física diseñados específicamente para esta tarea.
Los humanoides ofrecen flexibilidad y pueden ser adecuados para algunos proyectos de rehabilitación de terrenos industriales abandonados. Sin embargo, esa flexibilidad tiene un precio: menor rendimiento, mayor complejidad y menor eficiencia a gran escala. En entornos de nueva construcción, los sistemas diseñados específicamente para este fin son la mejor opción. Son más rápidos, más fiables y más escalables.
Los robots de uso general pueden ser versátiles. La autonomía especializada ofrece resultados.
Visión, aprendizaje, acción y adaptación.
El enfoque de Nomagic se basa en un marco unificado de IA física fundamentado en Visión, Lenguaje y Acción (VLA). Los sistemas tradicionales de aprendizaje automático destacan en la gestión de las operaciones de almacén habituales: identificación de artículos, selección de puntos de agarre y optimización de la ubicación con extrema rapidez y eficiencia. Estos modelos altamente especializados son cruciales para alcanzar el rendimiento y los indicadores clave de rendimiento (KPI) operativos necesarios en los entornos de logística modernos.
Pero los almacenes no se definen únicamente por escenarios predecibles. Constantemente ocurren situaciones excepcionales: los artículos se desplazan inesperadamente, el embalaje se deforma, los códigos de barras desaparecen y los objetos quedan parcialmente obstruidos. Aquí es donde los datos de producción reales de Nomagic se convierten en una gran ventaja. Mediante el entrenamiento con millones de interacciones recopiladas de operaciones reales en almacenes, Nomagic ha creado modelos VLA capaces de reconocer anomalías, razonar sobre situaciones inesperadas y adaptarse en tiempo real.
El resultado es una arquitectura híbrida que combina sistemas de aprendizaje automático optimizados para una ejecución de alta velocidad con inteligencia adaptativa basada en lógica descriptiva (VLA) para el manejo de excepciones. En lugar de depender completamente de modelos generalizados, Nomagic utiliza autonomía especializada para la gran mayoría de los flujos de trabajo repetitivos, recurriendo al razonamiento basado en VLA solo cuando se presentan situaciones inusuales.
Este enfoque dual permite algo que históricamente ha sido difícil en la robótica: lograr tanto un rendimiento muy alto como una fiabilidad muy alta a gran escala.
Todo esto ocurre mientras el sector logístico se enfrenta a una transformación fundamental. El comercio electrónico sigue creciendo rápidamente, mientras que los almacenes luchan contra una escasez estructural de mano de obra. Sencillamente, no hay suficientes trabajadores para mantener el modelo actual a gran escala. Esto no es algo temporal, sino sistémico. Y para muchas empresas, representa un posible punto de inflexión.
Los humanos nunca fueron diseñados para trabajar en un almacén. Las tareas repetitivas, el levantamiento de objetos pesados y el ritmo constante ponen a prueba los límites humanos. Los robots están diseñados específicamente para este entorno. Y cuando se les proporciona inteligencia artificial, no solo igualan el rendimiento humano, sino que lo superan.
