Introducción La inteligencia robótica de propósito general depende de la cobertura de datos y de la alineación de distribuciones, no solo del tamaño del modelo. Cuando los sistemas se encuentran con escenarios fuera de distribución, la generalización se limita y el rendimiento se degrada. Por tanto, una generalización robusta exige entrenar con datos de interacción que cubran progresivamente las tareas, los entornos y las restricciones físicas que se dan en el despliegue, mediante una progresión estructurada a través de tareas adyacentes. De ahí un enfoque deliberado sobre cómo se recogen y amplían los datos reales a lo largo del tiempo. La generalización se degrada ante grandes saltos de distribución Los sistemas robóticos generalizan de forma fiable dentro de dominios bien representados en sus datos de entrenamiento, pero el rendimiento cae bruscamente ante grandes saltos de distribución; por ejemplo, al transferir directamente de la manipulación industrial a tareas domésticas humanoides. En esos casos, las políticas se topan con regímenes de interacción fuera de distribución, con dinámicas de contacto, estructura temporal e incertidumbre ambiental desconocidas, lo que produce correspondencias percepción-acción mal calibradas y comportamientos de recuperación ausentes. Por tanto, una generalización robusta depende de mantener la continuidad entre las distribuciones de entrenamiento y de despliegue, en lugar de intentar una transferencia directa entre entornos estructuralmente distintos. Un camino estratégico hacia la generalización Logramos esa continuidad estructurando deliberadamente cómo se recogen los datos de interacción reales a lo largo del tiempo. En lugar de maximizar la diversidad de tareas desde el principio, ampliamos la distribución de entrenamiento de forma gradual mediante tareas adyacentes que reutilizan primitivas de interacción existentes e introducen aumentos controlados de complejidad. Cada etapa amplía la experiencia del modelo en ejes concretos —coordinación, incertidumbre u horizonte temporal— preservando al mismo tiempo el solapamiento distribucional con los datos previos. Esta expansión estratégica permite al sistema adquirir de forma incremental conocimiento transferible sobre la física real, la dinámica del sistema y la estructura de la interacción, posibilitando una generalización estable y acumulativa sin caídas abruptas de rendimiento. Etapa 1: el pick-and-place en almacén como dominio ancla controlado El pick-and-place en almacén es un punto de partida ideal para la generalización porque es denso en interacciones, repetible y acotado en seguridad, y aun así abarca una parte significativa del espacio de manipulación. La tarea expone a los robots a geometrías de objeto, materiales de embalaje, patrones de desorden y affordances de agarre diversos, bajo estrictas restricciones de rendimiento y fiabilidad. Fundamental: este dominio permite una recogida de datos reales a gran escala con alta fidelidad de acción, lo que permite a los modelos aprender una alineación visomotora robusta, dinámicas de contacto y comportamientos de recuperación. Desde el punto de vista de los datos, forma un núcleo denso en el espacio de embeddings de acción, al que pueden engancharse de forma incremental tareas adyacentes. Recopilación de pick-and-place Este dominio ofrece: Datos de interacción reales de alto volumen y repetibles Métricas de éxito claras y supervisión densa Fuerte acoplamiento entre percepción y manipulación Desde la perspectiva del aprendizaje, el pick-and-place en almacén muestrea densamente: Percepción centrada en el objeto en entornos con desorden Primitivas de agarre y colocación Recuperación de errores en lazo cerrado Distribuciones de objetos de cola larga Estas primitivas se reutilizan directamente en la gestión de devoluciones; sin la recuperación robusta del agarre, la corrección de pose y el manejo del desorden aprendidos aquí, las tareas multiobjeto o bimanuales más complejas fracasarían de forma catastrófica. Etapa 2: expansión adyacente — gestión de devoluciones y coordinación de doble brazo El procesamiento de devoluciones extiende de forma natural el picking en almacén e introduce nuevos regímenes de interacción más que primitivas completamente nuevas. Tareas como desembalar paquetes, clasificar artículos heterogéneos y realizar comprobaciones de calidad aproximadas exigen mayor percepción bajo incertidumbre, manipulación de objetos deformables y razonamiento tolerante a errores. Las configuraciones de doble brazo añaden una dimensión nueva y decisiva: la coordinación bimanual y la especialización de roles, que amplían el espacio de acción sin abandonar las affordances ya aprendidas. Es importante que las distribuciones de datos subyacentes —objetos, embalajes, entornos logísticos— sigan solapándose parcialmente con las operaciones de almacén, lo que permite una transferencia eficaz y obliga al modelo a generalizar más allá de secuencias de un solo brazo y una sola acción. Gestión de devoluciones — fragmento Embalajes deformables y estados iniciales desconocidos Razonamiento multiobjeto dentro de un mismo episodio Coordinación bimanual y dinámica de traspaso entre brazos La coordinación bimanual y las relaciones objeto-objeto aprendidas aquí son requisitos previos para el kitting y el secuenciado, donde la corrección depende de la colocación relativa, el orden y la coordinación, y no de acciones aisladas. Etapa 3: kitting y secuenciado en logística de automoción Las tareas de kitting y secuenciado introducen estructura temporal y manipulación condicionada por objetivos, y exigen al robot razonar sobre conjuntos ordenados, estados intermedios y tolerancias ajustadas. Aunque siguen ancladas en entornos industriales, estas tareas desplazan la señal de aprendizaje desde agarres aislados hacia la coherencia de horizonte largo, la colocación de precisión y la satisfacción de restricciones. Desde el punto de vista de la generalización, esta etapa amplía el conjunto de datos a lo largo de los ejes de planificación y memoria, en lugar de limitarse a añadir objetos nuevos. Los datos resultantes tienden un puente entre la manipulación reactiva y la ejecución a nivel de tarea, requisito previo para formas más complejas de inteligencia encarnada. Kitting BMW Ejecución de tarea sensible al orden Tolerancias más ajustadas y precisión de colocación Acoplamiento más fuerte entre percepción, planificación y acción La coherencia de horizonte largo y el secuenciado son necesarios en fabricación, donde las acciones deben respetar dependencias de proceso y montajes parciales. Etapa 4: fabricación e interacción dentro del proceso Los entornos de fabricación amplían los dominios anteriores al introducir el acoplamiento al proceso y la manipulación rica en contacto. Los robots deben interactuar con montajes parcialmente terminados, herramientas y utillajes, a menudo bajo restricciones estrictas de fuerza, alineación y precisión. Las acciones ya no son aisladas, sino que están integradas en un contexto de proceso, lo que hace la distribución de acciones más estructurada y los fallos menos perdonables. Esto exige representaciones de mayor calidad del estado, la intención, la dinámica de contacto y la incertidumbre. Esta etapa enriquece el corpus con datos de interacción causales, impulsados por el contacto, lo que permite a los modelos ir más allá del reconocimiento de patrones para entender cómo las secuencias de acciones transforman sistemas parcialmente montados de forma predecible. Tareas de montaje e inserción ricas en contacto Uso de herramientas e interacciones basadas en utillajes Tolerancias y restricciones dependientes del proceso Entornos semiestructurados pero cambiantes Aprender restricciones de proceso y manipulación rica en contacto mediada por herramientas es requisito previo para operar en entornos públicos semiestructurados, donde los errores cuestan más y el comportamiento exitoso depende de un control anticipatorio, y no puramente reactivo. Etapa 5: reposición en tienda y espacios públicos semiestructurados Las tareas de reposición en tienda llevan a los robots a entornos semiestructurados con mayor variabilidad visual, obstáculos dinámicos y a priori ambientales más débiles. Aunque siguen acotados comercialmente, estos escenarios introducen presencia humana, oclusiones y desplazamientos de distribución frecuentes. En este punto, el éxito del modelo no depende de un ajuste específico por tarea, sino de su capacidad de adaptar políticas en línea, aprovechando la diversidad acumulada de los datos de interacción previos. Incluyendo: Reposición en tienda y espacios semiestructurados Distribuciones de mundo abierto Desplazamientos de distribución frecuentes (estacionalidad, planogramas) Interacción crítica para la seguridad con personas La exposición a entornos de cara al público y parcialmente predecibles prepara al sistema para los dominios doméstico y sanitario, donde la estructura es mínima y dominan los requisitos de seguridad. Etapa 6: dominios doméstico y sanitario Los entornos doméstico y sanitario representan la culminación de esta trayectoria: entornos no estructurados, gran diversidad de objetos, objetos deformables, interacciones críticas para la seguridad y casos límite de cola larga. Es importante señalar que estos dominios no se abordan directamente, sino con un modelo preentrenado y postentrenado sobre un entramado rico de tareas adyacentes. Dado que el sistema ya ha explorado amplias porciones de los espacios de manipulación, percepción y coordinación, estos dominios se convierten en una cuestión de densidad y alineación de datos, no de reinvención arquitectónica. Estos dominios incluyen: Objetos y entornos muy diversos Baja repetibilidad y supervisión escasa Fuertes requisitos de seguridad, fiabilidad y confianza Dominios doméstico y sanitario