Figure AI volvió a poner a los robots humanoides en el centro de la conversación.
Desde el 14 de mayo de 2026, Figure AI colocó tres robots humanoides F.03 en un escenario de clasificación logística y transmitió el proceso de forma continua. Los espectadores apodaron a los robots Bob, Frank y Gary. Junto a una cinta transportadora, identifican paquetes, los toman, los giran, escanean códigos de barras y los vuelven a colocar en la cinta según lo requerido.
Al principio, la transmisión parecía una respuesta pública al escepticismo. Si los robots humanoides quieren demostrar valor real, los videos cortos editados no bastan. Tienen que resistir turnos completos, tareas repetitivas y operación prolongada.
Cuando The Paper publicó su reporte, Figure AI ya llevaba cinco días transmitiendo y afirmaba que los robots habían clasificado más de 100.000 paquetes. La transmisión aún puede verse en YouTube: F.03 Livestream.
Por qué importa esta transmisión
La industria de los robots humanoides ha tenido un problema recurrente: los videos de demostración son demasiado cortos.
Unos minutos de metraje pueden mostrar que un robot “puede hacerlo”, pero rara vez prueban que pueda hacerlo de forma sostenida. En logística, manufactura y almacenamiento reales, la pregunta no es solo si un agarre funciona una vez. Importan la estabilidad en operación continua, el manejo de excepciones, el ritmo de mantenimiento y el costo por unidad de trabajo.
Al elegir una transmisión en vivo, Figure AI puso sobre la mesa varias preguntas difíciles:
- ¿Pueden los robots trabajar continuamente durante horas o incluso días?
- ¿Necesitan control remoto humano?
- ¿Pueden gestionar batería, traspasos y mantenimiento?
- ¿La tasa de error es aceptable en tareas repetitivas?
- ¿Pueden mantenerse estables con paquetes blandos, cajas rígidas y tamaños distintos?
Comparada con un video editado, una transmisión larga expone problemas con más facilidad. Paquetes caídos, agarres fallidos, pausas breves y cambios en el ritmo de la cinta quedan a la vista.
Ese también es su valor. No demuestra que los robots sean perfectos. Permite ver de manera más directa qué tan lejos están los humanoides de un uso industrial confiable.
Qué hace Figure F.03
La tarea no es compleja, pero sí representativa.
El robot debe observar los paquetes en una cinta transportadora, identificar la posición del código de barras, levantar el paquete, ajustar su orientación y volver a colocarlo con el código hacia abajo. Parece un simple “tomar y dejar”, pero para un robot incluye varios retos:
- Reconocer paquetes de distintas formas, materiales y tamaños.
- Estimar puntos de agarre y cambios de peso.
- Evitar deformar paquetes blandos o empujar cajas fuera de la cinta.
- Mover los brazos en un espacio limitado.
- Mantener el ritmo sin ralentizar la cinta.
- Recuperarse después de un fallo en lugar de quedar bloqueado.
Brett Adcock, fundador de Figure AI, dijo que los robots promedian unos tres segundos por paquete, una velocidad cercana a la humana. También destacó que el sistema no está guionado, sino que razona y controla directamente a partir de los píxeles de la cámara.
Ese punto es clave. La afirmación no es que el robot repita un movimiento predefinido, sino que puede ajustar sus estrategias de agarre y colocación según la entrada visual en tiempo real.
Helix-02 es el punto central
Figure AI enfatizó que F.03 funciona con su sistema propio Helix-02.
Según las descripciones públicas, Helix-02 no es un flujo tradicional de robótica industrial con capas separadas de percepción, planificación y control. Se acerca más a un sistema autónomo de cuerpo completo de extremo a extremo. Integra visión, tacto, propiocepción y control corporal en un marco de modelo único, para que el robot ajuste sus acciones en tiempo real.
Puede entenderse como tres capas de capacidad:
- Control de bajo nivel: mantener el equilibrio y ejecutar movimientos articulares.
- Política visuomotora: convertir entradas de cámara y tacto en acciones de agarre, movimiento y colocación.
- Razonamiento semántico: comprender objetivos de tarea, escenas y estados anómalos.
Aquí aparece la diferencia entre robots humanoides y equipos de automatización tradicionales.
Los sistemas de clasificación tradicionales suelen optimizarse para procesos fijos. Pueden ser muy eficientes, pero cambiar el escenario suele exigir rediseñar la línea. Los humanoides intentan entrar en entornos existentes con una forma parecida a la humana y ejecutar varias tareas sin modificar demasiado el equipamiento.
La dirección es atractiva, pero difícil. Las manos, los ojos, el cuerpo y el “cerebro” del robot deben trabajar juntos. Si cualquier parte es inestable, el resultado final se resiente.
La transmisión también mostró problemas
La transmisión no fue perfecta.
Según The Paper y otros observadores, en el video se vieron errores breves: juicios imprecisos al agarrar, desplazamientos de paquetes e incluso paquetes empujados fuera de la cinta.
Estos problemas pueden recortarse en un video de demostración, pero no pueden ignorarse en el trabajo real.
Los entornos logísticos son especialmente sensibles a la precisión. Un paquete caído puede parecer un error pequeño. Pero si ocurre con frecuencia en un gran almacén, genera revisión manual, retrasos, daños y problemas de responsabilidad.
La experta estadounidense en robótica Ayanna Howard planteó una lectura similar: la demostración parece más un proyecto científico que un servicio comercial maduro. La velocidad importa, pero en un escenario real la precisión, el manejo de excepciones y el costo de supervisión son igual de importantes.
¿Los trabajadores de clasificación van a perder su empleo?
A corto plazo, esta transmisión no debería leerse como “los clasificadores serán reemplazados de inmediato”.
Figure AI mostró una tarea relativamente controlada, repetitiva y con límites claros. Demuestra que los humanoides se acercan al umbral de uso en algunos movimientos logísticos, pero no que puedan hacerse cargo sin fricciones de todo el flujo de un almacén.
Los sitios logísticos reales enfrentan muchas más complicaciones:
- Paquetes dañados, fugas de líquido y formas inusuales.
- Códigos de barras sucios o no visibles.
- Paquetes apilados, bloqueados o atascados.
- Intervención temporal de trabajadores humanos.
- Alarmas de equipos y pausas de la cinta.
- Normas de seguridad y límites de responsabilidad.
Los trabajadores humanos son buenos manejando estas excepciones no estándar. Para entrar en despliegues comerciales, los robots deben demostrar no solo que se acercan a la velocidad humana en acciones estándar, sino también que manejan de forma estable los problemas de cola larga.
El cambio más realista quizá no sea el reemplazo completo. Los robots pueden asumir primero parte del trabajo repetitivo, monótono, nocturno o de alta intensidad, mientras las personas pasan a supervisión, mantenimiento, manejo de excepciones y optimización de procesos.
Qué significa para la industria
La importancia de esta transmisión está en mover el estándar de competencia de “puede hacer una acción” a “puede seguir trabajando”.
En el pasado, la industria comparaba capacidades aisladas: caminar, mover cajas, doblar ropa, cocinar, lavar platos. Ahora Figure AI intenta demostrar que los humanoides pueden operar durante largos periodos en una tarea real y mostrar el proceso al público.
Eso presiona a sus competidores.
Si otras empresas siguen publicando solo videos editados, el público preguntará: ¿por qué no transmitir en vivo? ¿Por qué no correr durante ocho horas? ¿Por qué no publicar la tasa de error? ¿Por qué no trabajar a un ritmo más cercano al industrial?
Por supuesto, la transmisión no es la respuesta final. La comercialización todavía depende de:
- Precio de venta y costo de alquiler de cada robot.
- Frecuencia de mantenimiento y duración de batería.
- Costo de despliegue y ajuste.
- Volumen procesado por unidad de tiempo.
- Tasa de error y de accidentes.
- Dificultad de integración con sistemas de almacén existentes.
- Si los clientes están dispuestos a pagar por una forma humanoide.
Si esas cuentas no cierran, incluso una transmisión popular seguirá siendo una demostración técnica llamativa.
Resumen
La transmisión de F.03 clasificando paquetes es una señal importante en el camino hacia la comercialización de robots humanoides.
Muestra que los humanoides ya no son solo prototipos de laboratorio que ejecutan algunos movimientos aislados. Empiezan a intentar tareas largas, repetitivas e industriales. La ruta de autonomía corporal de extremo a extremo representada por Helix-02 también acerca a los robots desde “máquinas de movimiento fijo” hacia “herramientas de trabajo que entienden la escena”.
Pero aún no prueba que estén listos para reemplazar trabajadores de almacén a gran escala.
Velocidad, precisión, manejo de excepciones, costo, seguridad y mantenimiento siguen siendo preguntas abiertas. Lo realmente importante no es lo impresionante de un instante de la transmisión, sino si estos robots pueden trabajar durante meses en instalaciones reales de clientes con costos controlables.
Si lo logran, la siguiente etapa de la automatización logística podría estar llegando de verdad.