Portugués 
Inglés 
Por qué doblar ropa aún es difícil para robots
En Shenzhen, en el sur de China, los trabajadores están usando gafas de realidad virtual, controles manuales y sensores corporales para comandar robots humanoides a distancia en tareas que simulan rutinas de tiendas, fábricas y entornos domésticos.
Cada movimiento hecho por el operador se convierte en datos para entrenar sistemas de inteligencia artificial física, área que busca enseñar a las máquinas a manejar objetos, superficies, equilibrio, fuerza y situaciones del mundo real.
La operación fue descrita por WIRED en un reportaje publicado el 17 de junio de 2026, tras una visita a IO-AI Tech, startup china dedicada a sistemas de teleoperación y recolección de datos para robots humanoides.
-
Emprendedor que comenzó a los 13 años repartiendo folletos en bicicleta en Brasil ahora dirige un complejo gastronómico de 4,000 m² en São Paulo.
-
Estudiante de 12 años de Alagoas gana dos medallas de oro en competencia de matemáticas y aspira a estudiar en prestigioso centro de tecnología de Brasil
-
Imán de más de 360 kilos, diseñado para una máquina de cirugía cardíaca y valorado en unos 100 mil dólares, es utilizado en pesca magnética y saca del fondo una escopeta recortada con el número de serie borrado.
-
La mayor draga mecánica del Hemisferio Occidental remueve casi 80 metros cúbicos de lodo por ciclo, mide 77 metros y opera día y noche para evitar que enormes barcos queden varados en el Canal de Houston.
En este modelo, el trabajador no solo ejecuta una tarea a través de la máquina, sino que también ayuda a formar bases de datos utilizadas para perfeccionar la autonomía de futuros sistemas robóticos.
Cómo la teleoperación transforma gestos humanos en datos
Para controlar el robot, el operador se pone un casco, sostiene controles o utiliza guantes de rastreo, pasando a ver el entorno desde la perspectiva de la máquina mientras mueve brazos, manos y piernas.
A partir de esta visión en primera persona, puede recoger objetos, organizar estantes, manipular objetos y repetir movimientos en escenarios montados precisamente para acercar el entrenamiento a situaciones reales.
Según IO-AI Tech, la plataforma TeleXperience permite controlar diferentes configuraciones de robots y recolectar datos reales de alta precisión para entrenar humanoides, brazos robóticos y manos mecánicas.
Más que un comando remoto, la tecnología registra información sobre visión, fuerza, alcance, postura y reacción de los objetos, elementos necesarios para que la inteligencia artificial aprenda de experiencias físicas.
En una demostración relatada por WIRED, los operadores controlaban robots humanoides de Unitree dentro de un espacio que simulaba un apartamento, con muebles, percheros y objetos usados en la vida cotidiana.
Mientras una persona caminaba y movía el cuerpo, la máquina seguía los gestos y ejecutaba acciones como retirar una prenda de un perchero y doblarla.
Por qué doblar ropa todavía es difícil para los robots
Tareas simples para los humanos, como doblar una camiseta o coger una caja en la estantería, requieren una secuencia de ajustes que los robots aún necesitan aprender con precisión.
En estas actividades, la máquina debe calcular fuerza, interpretar distancia, mantener equilibrio, corregir postura y adaptar el movimiento cuando el objeto cambia de posición o reacciona de forma inesperada.
Objetos flexibles hacen el proceso aún más complejo, ya que las telas se doblan, escapan, crean pliegues y cambian de forma con cada contacto con las manos mecánicas.
Por esta razón, la presencia del operador ayuda a reducir errores durante el entrenamiento, pues corrige movimientos en tiempo real y guía a la máquina en situaciones difíciles de prever.
La diferencia entre el cuerpo humano y el cuerpo robótico también exige ajustes constantes, porque altura, peso, alcance y equilibrio no siempre coinciden entre quien comanda y quien ejecuta.
De acuerdo con WIRED, los sistemas de la startup necesitan combinar comando humano con algún grado de autonomía para adaptar gestos a robots de diferentes formas, tamaños y pesos.
La inteligencia artificial física depende de experiencias reales
A diferencia de modelos digitales entrenados con grandes volúmenes de textos, imágenes y videos, los robots humanoides necesitan datos producidos durante interacciones directas con el entorno.
Para una máquina física, reconocer visualmente una caja o una camiseta no es suficiente, porque la tarea también exige saber dónde tocar, cuánta fuerza aplicar y cómo reaccionar al contacto.
Es en este punto que el trabajador pasa a ocupar una función diferente de la operación industrial tradicional, ya que su gesto se convierte en parte del proceso de aprendizaje del sistema.
Además de conducir la máquina en una tarea inmediata, el operador produce registros que pueden ser reutilizados en el desarrollo de robots más autónomos y menos dependientes de intervención humana.
IO-AI Tech también presenta SenseXperience, orientada a la captura de datos humanos en el mundo real, y EmbodiFlow, destinada a la recolección, anotación, visualización y posprocesamiento de datos multimodales.
Estas herramientas indican que el avance de los humanoides depende no solo de motores y sensores, sino de grandes volúmenes de ejemplos físicos organizados para el entrenamiento de inteligencia artificial incorporada.
Shenzhen concentra robótica, sensores y prototipos
La elección de Shenzhen favorece este tipo de experimento porque la ciudad reúne fabricantes, proveedores de componentes, empresas de hardware y startups capaces de ajustar prototipos con rapidez.
En este ecosistema industrial, piezas, sensores y estructuras pueden ser modificados en ciclos cortos, lo que facilita la integración de la teleoperación con diferentes modelos de robots.
WIRED informa que IO-AI Tech trabaja con fabricantes locales interesados en automatizar etapas manuales, incluyendo actividades relacionadas con el sector de confección y la manipulación de piezas.
Entre los ejemplos citados está Jack Sewing Machines, empresa china de equipos para costura, involucrada en un proyecto para entrenar robots de dos brazos en tareas como planchar camisas.
En el comercio minorista, la tecnología también fue probada con una cadena china de tiendas de conveniencia, en una operación en la que una persona usaba auriculares y controles para recoger cajas de medicamentos.
Este tipo de demostración combina ejecución práctica y recolección de datos, permitiendo registrar la posición de objetos, alcance de los brazos, visión del entorno y movimientos necesarios para completar la tarea.
Los robots aún dependen de operadores humanos
A pesar del objetivo de ampliar la autonomía, la teleoperación muestra que muchos robots humanoides aún necesitan supervisión humana para actuar en entornos complejos e impredecibles.
Fábricas, tiendas y casas fueron diseñadas para cuerpos humanos, con pasillos, estantes, muebles y herramientas que exigen movilidad, percepción y adaptación constante.
Por eso, los humanoides atraen el interés de empresas que buscan máquinas capaces de trabajar en espacios ya existentes, sin exigir una reconstrucción completa del entorno alrededor.
Aun así, el camino hacia la autonomía pasa por millones de gestos capturados, corregidos y convertidos en datos, con trabajadores sirviendo como puente entre la máquina actual y sistemas futuros.
En esta etapa de la robótica física, el valor del trabajo no está solo en la tarea realizada en el momento, sino también en el conocimiento incorporado a los registros que ayudan a entrenar nuevas generaciones de máquinas.
