Vissa kinesiska humanoida robotar går redan i "skolan": uppdraget är att lära dem att arbeta i verkligheten
Under lång tid har det stora samtalet om artificiell intelligens kretsat kring modeller som kan sammanfatta, programmera eller generera bilder. Men när vi tar den ambitionen till den fysiska världen förändras allt. En robot lär sig inte att arbeta bara genom att läsa instruktioner: den behöver observera, upprepa, misslyckas och samla data om verkliga rörelser.
Det är därför som nästa gräns för robotik inte bara är att tillverka smidigare kroppar eller mer exakta händer, utan att bygga hela systemet som krävs för att lära dem att agera utanför laboratoriet. Detta system börjar ta form i Fujian, där provinsens första stora datainsamlingsfabrik har lanserats i en testfas. Enligt CCTV är anläggningen belägen i område D i Fuzhou Software Park och har skapats av Fujian Jufu Technology.
Där följer nästan 30 robotar instruktioner från olika operatörer, som av kinesiska källor beskrivs som "lärare", för att öva på uppgifter som att städa bord, sortera frukt och grönsaker eller kassera paketlådor. Mekaniken i den "skolan" är relativt lätt att föreställa sig, men mycket krävande undertill. Operatörer bär virtuella verklighetsenheter och använder kontroller för att guida roboten under varje övning.
När operatören höjer armen återger maskinen gesten och tar till exempel tag i en pappersmugg för att placera den ovanpå en annan. Det viktiga är inte bara att det fullbordar handlingen, utan att varje rörelse, ledvinkel och klämtryck registreras av kameror och sensorer. Skolan där robotar lär sig med riktig data En av de minst attraktiva delarna är också en av de mest avgörande.
Arbetsuppgifterna vi ser i videon, som att städa ett bord eller ta upp ett glas, verkar enkla eftersom vi gör dem nästan utan att tänka efter. För en humanoid, å andra sidan, kräver varje gest en specifik sekvens av fysiska beslut. Datainsamlingsingenjören Jiao Shiwei förklarade för Fuzhou News att även de minsta rörelserna måste läras in genom data, och varje åtgärd måste utformas enligt robotens egenskaper för att hitta den mest lämpliga banan.
Nyckelordet här är "generalisering".
Det vill säga förmågan att tillämpa det man lärt sig när miljön inte längre är identisk med träningsmiljön. Shiwei sammanfattade det med två mycket grundläggande åtgärder: plocka upp ett glas och städa ett bord. Om föremål, yta och fläck inte förändras har roboten det relativt enkelt.
Men i ett hus, en fabrik eller ett serviceutrymme upprepas nästan ingenting på samma sätt. Därför introducerar datainsamlingsarbetare variationer i glas, dukar och bord för att utöka utrymmet för lärande. Summan av kardemumman är att robotar också går in i sin egen race för data.
Inom andra områden av AI baserades mycket av framstegen på digitalt material som redan var tillgängligt. Inom robotteknik, å andra sidan, måste många av exemplen genereras från grunden, med riktiga maskiner, verkliga föremål och rörelser som upprepas om och om igen. Xinhua uttrycker problemet i dessa termer: flaskhalsen med humanoider är inte längre koncentrerad bara till hårdvaran, utan i hur man fortsätter att fullända sin "hjärna" genom träning i tillämpningsscenarier.
Den industriella läsningen av projektet hjälper till att förstå varför dessa små uppgifter kan sluta bli infrastruktur. Chen Yishi, VD för Jufu Technology, sa till Fuzhou News att dessa typer av fabriker ger stöd för end-to-end-modeller och implementering i vertikala scenarier. Tanken är att en AI-robot inte fungerar som en traditionell maskin begränsad till en fast sekvens, utan snarare som ett styrt system som kan fatta beslut om kroppen utifrån verklig träning.
I Xataka satte An AI upp en cafeteria från grunden: fick tillstånd, anställde personal och förhandlade med leverantörer. Sedan beställde han 3 000 gummihandskar.
Företaget är också nytt. Jufu Technology grundades i september 2025 och presenterar sin verksamhet som en kombination av datafabrik och självutveckling. Dess mål är inte begränsat till att ackumulera exempel på rörelse, utan att skapa runt den basen ett lokalt ekosystem av algoritmisk talang, data och samarbete med industrikedjan.
Yishi, å sin sida, påpekade att dess framtida produkter syftar till industriell tillverkning, säkerhetsinspektion, forskning och utbildning, även om källor presenterar det som en färdplan, inte som en redan konsoliderad implementering. Bilder | Jufu Technology | Xinhua i Xataka | "Kinesiska Netflix" har utformat en plan för AI för att generera majoriteten av dess innehåll inom fem år. Låter riskabelt
Originalkälla
Publicerad av Xataka
17 maj 2026, 21:00
Denna artikel har översatts automatiskt från spanska. Klicka på länken ovan för att läsa originaltexten.
Visa originaltext (spanska)
Rubrik
Algunos robots humanoides chinos ya van a la “escuela”: la misión es enseñarles a trabajar en la vida real
Beskrivning
Durante mucho tiempo, la gran conversación sobre inteligencia artificial ha girado alrededor de los modelos capaces de resumir, programar o generar imágenes. Pero cuando llevamos esa ambición al mundo físico, todo se cambia. Un robot no aprende a trabajar solo leyendo instrucciones: necesita observar, repetir, fallar y acumular datos sobre movimientos reales. Por eso la próxima frontera de la robótica no está únicamente en fabricar cuerpos más ágiles o manos más precisas, sino en construir todo el sistema necesario para enseñarles a actuar fuera del laboratorio. Ese sistema empieza a tomar forma en Fujian, donde se ha puesto en marcha, en fase de prueba, la primera gran fábrica de recogida de datos de la provincia. Según CCTV, la instalación está situada en el área D del Fuzhou Software Park y ha sido creada por Fujian Jufu Technology. Allí, casi 30 robots siguen las indicaciones de distintos operarios, descritos por las fuentes chinas como “profesores”, para practicar tareas como limpiar mesas, clasificar frutas y verduras o desechar cajas de paquetería. La mecánica de esa “escuela” es relativamente fácil de imaginar, pero muy exigente por debajo. Los operadores llevan dispositivos de realidad virtual y manejan mandos para guiar al robot durante cada ejercicio. Cuando el operario levanta el brazo, la máquina reproduce el gesto y, por ejemplo, agarra un vaso de papel para colocarlo sobre otro. Lo importante no es solo que complete la acción, sino que cada movimiento, ángulo articular y presión de la pinza quede registrado por cámaras y sensores. La escuela donde los robots aprenden con datos reales Una de las partes menos vistosas es también una de las más determinantes. Las tareas que vemos en el vídeo, como limpiar una mesa o coger un vaso, parecen sencillas porque nosotros las hacemos casi sin pensar. Para un humanoide, en cambio, cada gesto exige una secuencia concreta de decisiones físicas. El ingeniero de recogida de datos Jiao Shiwei explicó a Fuzhou News que incluso los movimientos más pequeños necesitan aprenderse mediante datos, y que cada acción debe diseñarse según las características del propio robot para encontrar la trayectoria más adecuada. {"videoId":"xa9we8e","autoplay":false,"title":"Una "escuela" de robots en China", "tag":"tecnología", "duration":"63"} La palabra clave aquí es “generalización”. Es decir, la capacidad de aplicar lo aprendido cuando el entorno deja de ser idéntico al de entrenamiento. Shiwei lo resumió con dos acciones muy básicas: coger un vaso y limpiar una mesa. Si el objeto, la superficie y la mancha no cambian, el robot lo tiene relativamente fácil. Pero en una casa, una fábrica o un espacio de servicio, casi nada se repite igual. De ahí que los operarios de recogida de datos introduzcan variaciones en vasos, manteles y mesas para ampliar el margen de aprendizaje. El fondo de la cuestión es que los robots también están entrando en su propia carrera por los datos. En otros ámbitos de la IA, gran parte del avance se apoyó en material digital ya disponible. En la robótica, en cambio, buena parte de los ejemplos hay que generarlos desde cero, con máquinas reales, objetos reales y movimientos repetidos una y otra vez. Xinhua plantea el problema en esos términos: el cuello de botella de los humanoides ya no se concentra solo en el hardware, sino en cómo seguir perfeccionando su “cerebro” mediante entrenamiento en escenarios de aplicación. La lectura industrial del proyecto ayuda a entender por qué estas tareas pequeñas pueden acabar convirtiéndose en infraestructura. Chen Yishi, CEO de Jufu Technology, sostuvo ante Fuzhou News que este tipo de fábricas proporcionan soporte a los modelos de extremo a extremo y a la implantación en escenarios verticales. La idea es que un robot de IA no funcione como una máquina tradicional limitada a una secuencia fija, sino como un sistema guiado capaz de tomar decisiones sobre el cuerpo a partir de entrenamiento real. En Xataka Una IA montó una cafetería desde cero: sacó permisos, contrató personal y negoció con proveedores. Luego pidió 3.000 guantes de goma La compañía, además, es reciente. Jufu Technology se fundó en septiembre de 2025 y presenta su actividad como una combinación de fábrica de datos y desarrollo propio. Su objetivo no se limita a acumular ejemplos de movimiento, sino a crear alrededor de esa base un ecosistema local de talento algorítmico, datos y colaboración con la cadena industrial. Yishi, por su parte, señaló que sus futuros productos apuntan a fabricación industrial, inspección de seguridad, investigación y educación, aunque las fuentes lo plantean como una hoja de ruta, no como un despliegue ya consolidado. Imágenes | Jufu Technology | Xinhua En Xataka | El 'Netflix chino' ha diseñado un plan para que la IA genere la mayoría de su contenido en cinco años. Suena arriesgado (function() { window._JS_MODULES = window._JS_MODULES || {}; var headElement = document.getElementsByTagName('head')[0]; if (_JS_MODULES.instagram) { var instagramScript = document.createElement('script'); instagramScript.src = 'https://platform.instagram.com/en_US/embeds.js'; instagramScript.async = true; instagramScript.defer = true; headElement.appendChild(instagramScript); } })(); - La noticia Algunos robots humanoides chinos ya van a la “escuela”: la misión es enseñarles a trabajar en la vida real fue publicada originalmente en Xataka por Javier Marquez .
