Cuando hablamos de robótica e inteligencia artificial, es habitual concentrarse en los robots humanoides, sus movimientos y sus capacidades físicas.
Sin embargo, una parte fundamental de esta revolución está ocurriendo en el software que permite entrenarlos, simularlos y transferir lo aprendido al mundo real.
Dos novedades recientes muestran esta evolución: LeRobot 0.7 de Hugging Face e Isaac Lab 3.0 de NVIDIA.
## LeRobot 0.7: enseñar a un robot mediante lenguaje
El 5 de noviembre, Hugging Face publicó LeRobot 0.7.0, una actualización importante de su plataforma de robótica de código abierto.
Uno de los cambios más interesantes es la incorporación de interacciones mediante lenguaje durante la ejecución de políticas robóticas.
Ahora es posible trabajar con instrucciones como:
- `/subtask`: cambiar la tarea que debe realizar el robot.
- `/vqa`: preguntar qué está observando.
- `/autosteer`: establecer un objetivo y permitir que el modelo determine los siguientes pasos.
Esto representa una evolución importante.
El robot no solamente ejecuta una secuencia previamente definida: puede recibir instrucciones, interpretar información visual y modificar su comportamiento durante una sesión.
## Entrenar sin descargar terabytes de información
Otro problema importante en robótica es el volumen de datos necesario para entrenar modelos.
Hugging Face informa que su plataforma ya alberga cerca de 300 TB de datos abiertos de Physical AI en formato LeRobot.
La versión 0.7 permite entrenar utilizando datasets directamente desde Hugging Face Hub, Storage Buckets o LanceDB, sin necesidad de descargar todo el conjunto de datos previamente.
También incorpora mejoras para entrenamientos distribuidos, procesamiento de imágenes mediante GPU y modelos de mayor tamaño.
Esto es importante porque el cuello de botella de un proyecto de robótica no siempre está en el modelo. También puede estar en la disponibilidad, el almacenamiento y el procesamiento de los datos.
## Isaac Lab 3.0: simulación antes del mundo real
El 29 de octubre, NVIDIA anunció la disponibilidad de Isaac Lab 3.0.
La plataforma está diseñada para entrenar y evaluar políticas robóticas mediante aprendizaje por refuerzo e imitación.
Entre sus novedades se encuentran:
- Integración con el motor de física Newton.
- Diferentes backends de simulación y renderizado.
- Entrenamiento escalable desde una GPU hasta clústeres.
- Entrenamiento adicional de modelos robóticos mediante aprendizaje por refuerzo.
- Herramientas para preparar políticas para su despliegue en robots físicos.
La simulación permite experimentar con diferentes condiciones, repetir situaciones y evaluar comportamientos sin depender exclusivamente de un robot físico.
## ¿Dónde entra el desarrollador de software?
Esta evolución abre un campo de trabajo que va mucho más allá de la mecánica y la electrónica.
Un proyecto de robótica moderna necesita diferentes componentes:
**Datos:** grabaciones, sensores, imágenes y demostraciones de movimientos.
**Simulación:** entornos virtuales donde reproducir tareas y situaciones.
**Entrenamiento:** modelos que aprenden a relacionar instrucciones, percepción y acciones.
**Inferencia:** infraestructura que recibe información del robot y devuelve decisiones.
**Integración:** comunicación con cámaras, motores, controladores y sensores.
En este contexto aparecen tecnologías como ROS 2, Python, Docker, bases de datos, APIs y herramientas de simulación como Isaac Lab y Unity Simulation Pro.
También hay oportunidades en el procesamiento de datos, infraestructura de entrenamiento y observabilidad.
## Del simulador al robot físico
Hay una diferencia importante entre conseguir que un modelo funcione en una simulación y conseguir que un robot real ejecute correctamente sus instrucciones.
Los sensores tienen ruido, los motores tienen limitaciones, existen problemas de calibración y la latencia puede afectar el resultado.
Por eso, el proceso de validación no termina cuando una política consigue buenos resultados en un entorno virtual.
La transferencia al hardware real necesita pruebas, controles de seguridad y evaluación continua.
## La robótica también necesita infraestructura de software
LeRobot e Isaac Lab muestran que la evolución de la robótica depende cada vez más de herramientas de software abiertas, datos compartidos, simulación y modelos entrenables.
Para los desarrolladores web y de backend, puede parecer un mundo distante.
Sin embargo, muchos de los problemas que aparecen en estos proyectos son conocidos: procesamiento distribuido, almacenamiento, comunicación entre servicios, ejecución de modelos y administración de infraestructura.
La diferencia es que ahora esos sistemas no solamente producen información digital.
También pueden controlar acciones en el mundo físico.
**Referencias:** Hugging Face LeRobot 0.7.0, NVIDIA Isaac Lab 3.0 y documentación oficial de Isaac Lab.