¿Qué ha revelado Xiaomi con su nuevo robot humanoide de 66 grados de libertad? En el WRC 2026, la compañía exhibió públicamente un prototipo bípedo de última generación diseñado para ofrecer una mayor destreza en las manos y la ejecución de tareas industriales, mientras que la investigación en robótica de Xiaomi se centra cada vez más en modelos fundamentales basados en visión, lenguaje y acción (VLA). A medida que la inteligencia artificial física transforma la forma en que la inteligencia digital interactúa con el mundo físico, los desarrolladores deben evaluar cómo las pilas de software estándar se adaptan a los entornos incorporados. La robótica industrial tradicional se ha basado con frecuencia en entornos altamente estructurados, programación específica para tareas y control basado en modelos. Hoy en día, dado que los sistemas avanzados integran la percepción multimodal directamente en los bucles de control en tiempo real, las prioridades de ingeniería se están orientando hacia modelos fundamentales generalizables de visión, lenguaje y acción (VLA).
Por qué los 33 grados de libertad en las manos son clave para la manipulación industrial
De un vistazo
- El prototipo bípedo de última generación mide aproximadamente 1,70 metros de altura, pesa 66 kilogramos y amplía la movilidad de sus articulaciones hasta los 66 grados de libertad.
- Se prioriza en gran medida la manipulación fina, con 33 grados de libertad concentrados en las manos para permitir el manejo experto de componentes industriales flexibles y no estándar.
- Las pruebas anteriores en la fábrica cumplían con un requisito de ciclo de producción de aproximadamente 76 segundos; tras cuatro meses de iteración, Xiaomi informó que el éxito en la estación de roscado automático mejoró del 90,2% al 98%.
El auge de la IA física desplaza el problema del software desde la interacción basada en pantallas hacia la percepción, la planificación y la ejecución física. En lugar de renderizar recursos visuales y gestionar interfaces planas, los desarrolladores ahora diseñan sistemas capaces de razonar sobre entornos espaciales tridimensionales y coordinar trayectorias bimanuales de alta precisión.
Las pruebas en la fábrica de Xiaomi demuestran que la compañía prioriza las tareas de fabricación repetitivas antes de una implementación más amplia. Antes de su exhibición pública, el sistema bípedo completó una rigurosa fase de pruebas de cuatro meses en la línea de ensamblaje de vehículos eléctricos de Xiaomi, realizando tareas como la instalación de tuercas autorroscantes y la manipulación de cajas de materiales. Las pruebas iniciales requerían que el robot operara dentro de un ciclo de estación de unos 76 segundos. Tras cuatro meses de iteración, Xiaomi informó que la tasa de éxito en la estación de instalación de tuercas autorroscantes aumentó del 90,2% al 98%. Esta transición demuestra que la robótica humanoide está superando las demostraciones básicas de marcha para avanzar hacia operaciones repetitivas y de alta destreza en entornos físicos complejos.
Comprender la arquitectura técnica del ecosistema de robots humanoides de Xiaomi
Bajo el capó, la plataforma de próxima generación representa un avance sustancial en el diseño mecánico y la integración de inteligencia artificial en comparación con el prototipo CyberOne de 2022. Mientras que el CyberOne de primera generación contaba con solo 21 grados de libertad en las articulaciones, el nuevo modelo eleva esta cifra hasta los 66 grados de libertad articulares. Esta expansión mecánica se concentra principalmente en las manos, destinando un total de 33 grados de libertad manuales para permitir el control motor fino, el agarre preciso de objetos y la manipulación delicada de herramientas.
Por otro lado, Xiaomi Robotics ha publicado varios modelos de inteligencia artificial incorporada y proyectos de investigación bajo su marco unificado. Estos proyectos de código abierto incluyen el modelo de ejecución en tiempo real Xiaomi-Robotics-0, el modelo escalado Xiaomi-Robotics-1 —que aprovecha más de 100.000 horas de trayectorias del mundo real— y el modelo autorregresivo unificado de 38 mil millones de parámetros Xiaomi-Robotics-U0. En conjunto, estos proyectos abarcan la generación de acciones robóticas, políticas fundamentales y el modelado del mundo incorporado. Sin embargo, los materiales públicos no confirman que el prototipo del WRC ejecute ninguno de estos modelos de forma exclusiva como su pila de control de producción.
Un canal de control VLA conceptual simplificado se puede representar de la siguiente manera:
[Entrada Visual / de Lenguaje]
│
▼
[Política Incorporada o Modelo VLA]
│
▼
[Acción del Robot / Comando de Movimiento]
│
▼
[Controlador Específico de la Encarnación]
Estas líneas de investigación ilustran un cambio más amplio desde las políticas específicas de tareas hacia modelos incorporados diseñados para transferir conocimientos entre distintas tareas y configuraciones de robots. Mediante el desarrollo de modelos que traducen las entradas visuales y de lenguaje en acciones de robot o señales de control a nivel de tarea, los desarrolladores pueden explorar software capaz de generalizar en una gama más amplia de tareas y configuraciones físicas. La pila de software debe coordinar las entradas de sensores multimodales con la estimación de estados específica del robot, la planificación de movimientos y el control de bajo nivel.
Control de robots tradicional frente a modelos fundamentales VLA
A medida que los requisitos físicos del desarrollo robótico van más allá de la simple navegación, los desarrolladores deben elegir cómo estructurar sus capas de control de robots. Construir un bucle de control personalizado mediante modelos matemáticos tradicionales ofrece una gran precisión, pero carece de adaptabilidad a entornos no estándar. Por el contrario, las políticas aprendidas a gran escala suelen requerir muchos más datos de entrenamiento, pero pueden ofrecer una mayor adaptabilidad cuando la cobertura de entrenamiento y la alineación de la plataforma son suficientes. El control puramente preprogramado se vuelve más difícil de escalar a medida que aumentan la variabilidad de las tareas y la diversidad de objetos.
Evaluación arquitectónica: cinemática tradicional frente a VLA generativo
El control basado en modelos puede ofrecer un comportamiento preciso y predecible, pero adaptarlo a entornos altamente variables a menudo requiere ingeniería adicional de percepción, planificación y tareas específicas. Este enfoque puede proporcionar un comportamiento predecible dentro de restricciones operativas bien definidas. Desarrollar un controlador cinemático propio y personalizado requiere recursos de ingeniería considerables para mapear las limitaciones articulares y resolver ecuaciones de cinemática inversa en tiempo real. Por el contrario, implementar un modelo fundamental de visión, lenguaje y acción (VLA) preentrenado puede ofrecer una mayor adaptabilidad en función de la cobertura de entrenamiento y la alineación de la plataforma, a cambio de unos requisitos de computación local más elevados.
La siguiente tabla compara las metodologías estándar para gestionar el control de robots y la ejecución de tareas:
| Paradigma | Dependencia típica de datos | Adaptabilidad | Características de ejecución | Ideal para |
|---|---|---|---|---|
| Control basado en modelos / cinemático | Baja a moderada | Alta dentro de restricciones definidas | Predecible y, a menudo, de baja latencia | Movimiento industrial determinista en entornos de fábrica altamente estructurados |
| Clonación de comportamiento | Datos de demostración | Limitada fuera de la distribución de entrenamiento | Dependiente del modelo | Tareas repetitivas aprendidas en estaciones de trabajo estructuradas y fijas |
| Políticas VLA / Fundacionales | Grandes conjuntos de datos heterogéneos | Mayor potencial en diferentes tareas y entornos | Mayor complejidad de cómputo e inferencia | Manipulación de propósito general y tareas condicionadas por lenguaje en entornos dinámicos |
Estas decisiones arquitectónicas influyen directamente en las capacidades físicas del robot en la línea de producción. Al adoptar modelos fundamentales unificados, los sistemas robóticos pueden pasar de ejecutar acciones únicas y aisladas a realizar tareas colaborativas de múltiples etapas en espacios de trabajo dinámicos. Los equipos de ingeniería deben evaluar estos paradigmas de software en función de sus capacidades de hardware específicas, la complejidad de las tareas y las restricciones de ejecución en tiempo real.
Listas de comprobación de integración: cómo los equipos de ingeniería pueden prepararse para el desarrollo de software incorporado
Para garantizar la estabilidad operativa y una ejecución segura a medida que las plataformas humanoides se integran en entornos industriales, los equipos de ingeniería y producto deben establecer flujos de trabajo de seguridad, validación e implementación.
Lista de comprobación para desarrolladores
- Definir límites de control sujetos a seguridad: Mantener los límites de articulación, velocidad, fuerza y espacio de trabajo fuera de la política aprendida para que las acciones inseguras puedan rechazarse antes de su ejecución.
- Validar políticas en simulación y pruebas de hardware controlado: Evaluar los comportamientos aprendidos en entornos de simulación y con robots reales antes de la implementación en producción.
- Medir la latencia de control de extremo a extremo: Analizar por separado la percepción, la inferencia del modelo, la planificación de movimientos y el control de bajo nivel para identificar cuellos de botella.
- Probar el comportamiento fuera de la distribución: Evaluar objetos desconocidos, condiciones de iluminación, diseños y variaciones de tareas en lugar de confiar únicamente en las referencias de distribución de entrenamiento.
- Diseñar modos de control de respaldo: Proporcionar una recuperación determinista o un comportamiento de parada segura cuando las políticas aprendidas produzcan acciones de baja confianza o no válidas.
Lista de comprobación para producto y estrategia
- Identificar estaciones de trabajo industriales de alto valor: Reconocer las estaciones de ensamblaje repetitivas y de alta precisión que resultan más adecuadas para la integración de robots.
- Establecer canales de verificación de tareas: Utilizar sistemas de monitorización multicámara para evaluar las tasas de éxito de las tareas del robot en tiempo real.
- Construir interfaces de software multiplataforma: Garantizar que el sistema operativo robótico pueda comunicarse con las redes de automatización de la fábrica circundante.
Al establecer estas pautas estructuradas, los equipos de desarrollo pueden trasladar sus aplicaciones hacia arquitecturas más seguras y conformes, manteniendo al mismo tiempo la continuidad operativa.
Preguntas frecuentes (FAQ)
¿Cuáles son las principales diferencias de hardware entre el CyberOne de Xiaomi y el robot de próxima generación?
¿Cuáles fueron los resultados exactos de las pruebas del robot en la fábrica de vehículos eléctricos?
¿Por qué se considera que la destreza de las manos es el umbral clave para los robots humanoides industriales?
Puntos clave para los equipos de ingeniería
El prototipo humanoide de 66 grados de libertad de Xiaomi muestra cómo el desarrollo de humanoides industriales está pasando de las demostraciones de locomoción a las tareas de manipulación repetibles. Con 33 grados de libertad concentrados en las manos y pruebas en fábrica que abarcan la instalación de tuercas, el manejo de componentes flexibles y la gestión de materiales, la destreza y la fiabilidad en las tareas se están convirtiendo en métricas de ingeniería fundamentales.
Para los desarrolladores, la investigación robótica más amplia de Xiaomi también ilustra el creciente papel de las políticas VLA y los modelos del mundo incorporado junto con los sistemas de control convencionales. El desafío práctico no consiste en sustituir por completo el control determinista, sino en combinar políticas aprendidas con simulación, restricciones de seguridad, análisis de latencia, comportamiento de respaldo y controladores específicos de la plataforma antes de desplegar robots en entornos de producción.
Referencias
-
Xiaomi Robot set to make public debut at 2026 World Robot Conference on August 19. https://www.gizmochina.com/2026/08/18/xiaomi-robot-set-to-make-public-debut-at-2026-world-robot-conference-on-august-19/
-
Xiaomi-Robotics-0: An Open-Sourced Vision-Language-Action Model with Real-Time Execution. https://arxiv.org/abs/2602.12684
-
Xiaomi-Robotics-1: Scaling Vision-Language-Action Models with over 100K Hours of Real-World Trajectories. https://arxiv.org/abs/2607.15330
-
Xiaomi-Robotics-U0: Unified Embodied Synthesis with World Foundation Model. https://arxiv.org/abs/2607.11643
-
Xiaomi updates progress on humanoid robots in auto factory, achieves 98% success rate in some tasks. https://technode.com/2026/07/15/xiaomi-updates-progress-on-humanoid-robots-in-auto-factory-achieves-98-success-rate-in-some-tasks/
Share this article
