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.

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. 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