El problema laboral oculto tras el auge de los robots humanoides

Puntos clave

• Las empresas de robótica humanoide recaudaron miles de millones de dólares en los últimos 18 meses, gran parte destinada a financiar programas a gran escala de teleoperación humana.
• Los conjuntos de datos de teleoperación son más de 100.000 veces más pequeños que los conjuntos de datos utilizados para entrenar los modelos de lenguaje actuales.
• Trabajadores en China, India, Europa y Estados Unidos están siendo contratados para grabar tareas domésticas y operar robots de forma remota, formando una industria comercial de suministro de datos.
• Nikita Rudin, cofundador y CEO de Flexion, argumenta que el aprendizaje por refuerzo en simulación es el único enfoque que puede romper la dependencia de datos de demostración humana.
• Flexion recaudó 50 millones de dólares de DST Global y NVentures para construir lo que Rudin llama un "cerebro" de propósito general para robots humanoides.

La propuesta de los robots humanoides siempre ha sido directa: los humanos no podrán llenar ciertos trabajos en el futuro, así que los robots intervendrán. Un artículo de opinión publicado por The Robot Report esta semana plantea una afirmación incómoda y contraria. Resulta que los robots podrían necesitar un suministro permanente de trabajadores humanos solo para funcionar.

El problema es la teleoperación, donde un operador humano controla un robot a través de un dispositivo remoto de la misma manera que podrías dirigir un coche de juguete con un mando. Cada movimiento se graba. Luego el robot estudia ese material y trata de copiarlo.

Enseñar a un robot de esta manera suena razonable. El problema, según Nikita Rudin, quien completó su doctorado en el Robotic Systems Lab de ETH Zurich y trabajó en las herramientas de simulación Isaac Gym e Isaac Lab en Nvidia, es que se escala terriblemente.

Un estante se mueve. Una manija de puerta es ligeramente diferente. Una nueva forma de caja llega a un piso de fábrica. Cada pequeño cambio significa que alguien tiene que grabar la tarea nuevamente desde cero, y la fuerza laboral que genera demostraciones nunca puede mantener el ritmo con un mundo que no se queda quieto.

La calidad de los datos agrava el problema. Los operadores que controlan un robot de forma remota no pueden sentir lo que el robot está tocando ni juzgar la distancia con precisión, por lo que se mueven lentamente y sobrecompensан. El robot entonces aprende de material de alguien lidiando con un mando, que es exactamente lo que practica.

¿Resolver esto con más operadores humanos?

No, y ese es el núcleo del argumento de Rudin. Establece una comparación con los primeros días de los grandes modelos de lenguaje, la tecnología de IA detrás de chatbots como ChatGPT. Esos modelos iniciales fueron entrenados con enormes cantidades de texto y podían copiar vagamente el estilo de Shakespeare, pero no podían razonar. El verdadero avance llegó a través del aprendizaje por refuerzo, un método de entrenamiento donde el software aprende intentando, fallando y ajustándose en millones de intentos, sin que un humano dirija cada paso.

Rudin argumenta que la robótica humanoide está atrapada en esa etapa anterior, solo de imitación. Más datos de teleoperación significa más imitación a un costo masivo.

La alternativa que describe es el aprendizaje por refuerzo dentro de simulaciones informáticas. El software de un robot puede fallar millones de veces en un mundo virtual, reiniciarse instantáneamente y ejecutarse en paralelo en muchas computadoras a la vez. Más potencia de cálculo directamente significa progreso más rápido. Esa es una ecuación muy diferente a la de contratar trabajadores en países con salarios más bajos para grabarse a sí mismos haciendo tareas domésticas.

Cubrimos a Flexion por primera vez el 19 de julio de 2026, cuando se anunció la ronda de financiación de Rudin; el argumento de sim-a-real que ahora hace públicamente agudiza lo que entonces era un reclamo de producto en un desafío directo al método de entrenamiento dominante de la industria.

Para las personas que hacen ese trabajo de teleoperación hoy en día, y para los inversores que financian estas empresas, el desafío de Rudin es directo: si la autonomía de los robots es genuinamente el objetivo, los datos deberían mostrar que la participación humana está disminuyendo con el tiempo. Si no es así, la teleoperación ha dejado de ser un puente y se ha convertido discretamente en el método permanente. Esa es la pregunta que vale la pena hacer a cada empresa de robótica que sigue contratando operadores a gran escala.