Portugués 
Inglés 
China expande centros de entrenamiento de robots humanoides con apoyo estatal, mientras empresas en EE.UU. pagan por videos de tareas domésticas.
La carrera por los robots humanoides ha entrado en una fase más concreta y más industrial. Mientras que, en los Estados Unidos, empresas privadas han comenzado a pagar a trabajadores para filmar tareas cotidianas y generar datos para sistemas de IA y robótica, China ha avanzado por un camino más centralizado, apoyado por gobiernos locales y organizado en centros dedicados a la producción estandarizada de datos.
En lugar de depender solo de grabaciones dispersas hechas en casas y aplicaciones de ingresos extra, China ha comenzado a tratar la escasez de datos como un cuello de botella estratégico de la robótica. Rest of World informó que gobiernos locales financiaron 40 centros de entrenamiento para enfrentar este problema, en un momento en que la llamada inteligencia incorporada se ha convertido en prioridad nacional en el país.
Cibertrabajadores entrenan robots humanoides con movimientos repetidos
En el centro de este modelo chino está un nuevo tipo de trabajador. En oficinas y centros de recolección, jóvenes pasan horas repitiendo gestos simples para que las máquinas aprendan a ejecutarlos con precisión, transformando movimientos humanos en datos de entrenamiento para robots humanoides.
-
El impacto del exceso de pantallas y conexiones digitales en la salud mental y el bienestar
-
Pareja de Wyoming cultiva frutas tropicales todo el año con invernadero geotérmico, resistiendo temperaturas de -40°C sin calefacción tradicional.
-
Un barco regresa de la costa brasileña con treinta formas de vida nunca antes vistas
-
Profesor nigeriano crea una ingeniosa nevera sin electricidad usando dos ollas de barro y arena húmeda, conservando alimentos frescos por 27 días; ya se han distribuido 7,000 unidades en aldeas sin acceso a energía.
Rest of World relató el caso de Kim, estudiante de ciencias de la computación de 20 años, cuya tarea de la semana era simular la apertura de la puerta de un microondas. Usando un casco de realidad virtual y exoesqueletos en los brazos, repetía el mismo gesto cientos de veces al día para que el robot al lado pudiera copiar el movimiento.
El propio reportaje muestra cómo este trabajo ya ha ganado identidad propia. “Nos llamamos cibertrabajadores”, dijo Kim a la publicación, al describir una rutina monótona, pero vista como parte de un engranaje estratégico para el avance de la robótica china.
Centros de entrenamiento de robots humanoides funcionan como fábricas de datos
La escala física de estos espacios ayuda a explicar por qué el modelo chino llama tanto la atención. En el distrito de Shijingshan, en Pekín, el Beijing Humanoid Robot Data Training Center fue descrito por el People’s Daily como el mayor centro de este tipo en China y opera como una especie de escuela donde los robots pasan por aprendizaje basado en escenarios antes de entrar al mercado.
El centro ocupa dos pisos y reproduce ambientes reales de producción y de vida cotidiana, con módulos que van desde separación de bobinas y empaquetado de pedidos hasta cocina y organización de habitaciones.
Según el People’s Daily, el lugar trabaja con 16 disciplinas especializadas, distribuidas en categorías como manufactura industrial, hogar inteligente, cuidado de ancianos y escenarios integrados en 5G.
La misma publicación informa que el principal robot entrenado en el lugar es el Kuafu, con 1,66 metros de altura. Hasta ahora, los robots formados allí ya han acumulado más de 20 habilidades operativas, incluyendo movimiento de materiales, inspección y entrega, con tasas de éxito superiores al 95% en las tareas realizadas.
China utiliza apoyo estatal para estandarizar la recolección de datos en robótica
El rasgo más destacado de este modelo no es solo el tamaño de las instalaciones, sino la presencia directa del poder público. Rest of World describió estos espacios como centros generalmente construidos por gobiernos locales y operados por empresas de robótica, en un intento de resolver la falta de datos estructurados para entrenar máquinas que necesitan actuar en el mundo físico.
En el caso del centro de Shijingshan, la propia Rest of World informó que la instalación fue lanzada por el gobierno local en asociación con la empresa Leju. El reportaje también afirma que el espacio tiene más de 10 mil metros cuadrados e incluye escenarios que simulan línea de montaje automotriz, hogar inteligente y ambiente de cuidados a ancianos.
El People’s Daily refuerza la lógica detrás de esta centralización. Según la publicación, el entrenamiento realizado de forma aislada por empresas tendía a producir datos irregulares y de calidad inconsistente, mientras que la producción centralizada y estandarizada permite crear conjuntos de datos más estables, con menor costo y utilidad más amplia para el sector.
Datos estandarizados se convierten en un activo estratégico de la inteligencia incorporada
El argumento central del modelo chino es simple: sin datos organizados, limpios y repetibles, los robots no evolucionan con suficiente rapidez. El People’s Daily afirma que el centro de Pekín fue creado precisamente para atacar este cuello de botella, produciendo datos de escenario que luego son limpiados, etiquetados y entregados a las empresas para el desarrollo de modelos de robótica.
La publicación dice además que el centro puede generar millones de registros de alta calidad por año. Además, ya forma parte de una red de recolección distribuida por diferentes ciudades chinas, como Suzhou, Jinan, Hefei y Zhengzhou, lo que muestra que el objetivo no es solo entrenar un robot aislado, sino construir una infraestructura nacional de datos.
En la práctica, esta estrategia acerca la recolección de datos a la lógica de infraestructura industrial. En lugar de dejar que cada empresa monte su propio pequeño laboratorio e improvise métodos, China intenta transformar la producción de datos en una base compartida para alimentar la próxima generación de sistemas de IA física y robots humanoides.
En Estados Unidos, empresas privadas recurren a videos pagados del cotidiano
Por otro lado, el camino es más fragmentado y más guiado por el sector privado. Un ejemplo de esto apareció en marzo de 2026, cuando DoorDash lanzó la aplicación Tasks, descrita por TechCrunch como una nueva plataforma que paga a repartidores para cumplir actividades orientadas al mejoramiento de sistemas de IA y robótica.
Según TechCrunch, las tareas incluyen filmar acciones del día a día y grabar la propia voz en otro idioma. La empresa afirmó que este material ayuda a sistemas de IA y robótica a “entender el mundo físico”, mostrando cómo parte de la recolección de datos en Estados Unidos se está haciendo mediante trabajo flexible, distribuido y contratado bajo demanda.
Este contraste ayuda a explicar la diferencia entre los dos modelos. Mientras China concentra el entrenamiento en ambientes controlados y con fuerte coordinación local, el ejemplo americano documentado por TechCrunch apunta a un ecosistema más pulverizado, dependiente de plataformas privadas, remuneración por tarea y captación de datos en escenarios cotidianos reales.
La disputa entre China y EE. UU. va más allá del laboratorio
Lo que está en juego no es solo la eficiencia de un método de recolección. Rest of World destaca que los investigadores aún debaten si la recolección de datos a gran escala será, de hecho, el camino más eficaz para construir robots verdaderamente inteligentes, incluso con la expansión acelerada de estos centros y el entusiasmo político en torno al sector.
Aun así, la dirección de la apuesta china es clara. Al financiar centros, integrar gobiernos locales al proceso y organizar redes regionales de entrenamiento, el país intenta ganar escala, consistencia y velocidad en un segmento visto como una de las próximas fronteras decisivas de la disputa tecnológica global.
Por eso, la imagen de jóvenes usando exoesqueletos para abrir puertas de microondas o repetir movimientos de cocina cientos de veces al día va mucho más allá de una curiosidad de laboratorio. Revela una estrategia de Estado para transformar datos de movimiento, entrenamiento estandarizado y robótica humanoide en ventaja industrial antes de que el resto del mundo logre consolidar un modelo equivalente.
