ES
Buscar
Foto: The Robot Report

Los robots G2 de AGIBOT completan 1.730 tareas en una prueba de 24 horas en una tienda de conveniencia de Shanghái

Una prueba de 24 horas en una tienda en funcionamiento

Según The Robot Report, AGIBOT realizó una prueba de 24 horas con seis de sus robots humanoides con ruedas G2 en una tienda de conveniencia en funcionamiento del distrito de Xuhui, en Shanghái. Los robots completaron un total de 1.730 tareas, desde la atención a clientes y la preparación de café hasta la reposición de estanterías y la limpieza. Cuatro de los seis superaron una evaluación final de rendimiento.

La prueba comenzó a las 10.00 del 2 de noviembre y terminó a las 10.00 del 3 de noviembre. Según el informe, se retransmitió en directo y la siguieron más de dos millones de espectadores en plataformas en línea.

La prueba cerró la muestra tecnológica AI WAVE de AGIBOT, que comenzó el 22 de octubre. En ella se publicaron conjuntos de datos para robótica, herramientas de simulación, modelos de IA, hardware y software para operaciones. La prueba en la tienda pretendía reunir estas tecnologías en un entorno real y mostrar cómo los robots gestionan el trabajo diario durante un periodo más largo. Por otra parte, la compañía anunció en septiembre de 2026 que su robot número 20.000 había salido de la línea de producción.

Funciones asignadas y resultados de las pruebas

Cada robot tenía una función concreta. Algunos atendían las peticiones de los clientes, otros revisaban y reponían las estanterías, y los demás preparaban café, se encargaban de la caja y del servicio de comida caliente, o limpiaban la tienda.

En las 24 horas, los robots registraron 683 interacciones de atención al cliente y 369 recogidas y entregas de productos. Además, prepararon 147 pedidos de café y 126 desayunos, realizaron 277 revisiones de estanterías y tareas de reposición, y limpiaron mesas en 128 ocasiones.

La prueba abarcó cuatro periodos: la hora punta del almuerzo, las horas de máxima afluencia de la tarde, el funcionamiento nocturno y la hora punta del desayuno de la mañana siguiente. Según el informe, cada periodo planteó retos distintos, desde atender peticiones en momentos de mucha actividad hasta mantener la tienda en funcionamiento durante la noche.

Los evaluadores puntuaron a cada robot según el tiempo que permaneció en servicio, si completó las tareas, la opinión de los clientes, la rapidez de respuesta y cómo gestionó los imprevistos. Según el informe, cuatro robots superaron la revisión final, mientras que los otros dos no cumplieron algunos requisitos.

Dos evaluadores también realizaron pruebas prácticas basadas en situaciones a las que los robots podrían enfrentarse al atender a clientes. En una, pidieron Coca-Cola normal y sin azúcar para comprobar si los robots podían distinguir productos de aspecto parecido. En otra, cambiaron de sitio paquetes de chicle y pidieron a los robots que los devolvieran a su lugar.

Para probar la navegación, los evaluadores colocaron una persona y una caja en un pasillo, y comprobaron si las máquinas detectaban los obstáculos y los esquivaban.

Por qué una tienda es una prueba exigente

El informe señala que una tienda de conveniencia puede parecer sencilla para los robots, con una distribución compacta y muchas tareas que siguen procedimientos estándar. Aun así, coger productos, reponer estanterías y preparar comida obliga a las máquinas a gestionar pequeños cambios frecuentes en las condiciones.

El informe pone ejemplos. Las bolsas de caramelos que cuelgan con un ángulo ligeramente distinto son difíciles de agarrar sin mover los productos vecinos. Un artículo delicado, como una porción de tarta, requiere un control cuidadoso de la fuerza de agarre para que no se caiga ni se dañe.

Según el informe, una tienda en funcionamiento se diferencia mucho de un laboratorio. Los clientes recorren los pasillos, los productos se cogen y se devuelven a su sitio, y los artículos varían en posición, ángulo y envase, así que incluso una tarea repetida puede no salir igual dos veces.

El informe indica que los robots G2 mostraron varias capacidades pensadas para estos problemas. Usaron información visual en tiempo real para detectar artículos fuera de lugar y devolverlos a sus huecos asignados, en lugar de depender solo de coordenadas predefinidas.

Un robot encargado de la reposición detectó huecos en las estanterías y los llenó sin que se le ordenara. En la zona de limpieza, otro distinguió los derrames de los dibujos impresos en la encimera y escogió las herramientas adecuadas.

Según el informe, estas tareas fueron más allá de los movimientos aislados. Requirieron percibir el entorno, tomar decisiones específicas para cada tarea y modificar las acciones a medida que cambiaban las condiciones.

Genie Master y el aprendizaje a partir de las operaciones

La prueba también evaluó Genie Master, un marco de agente de IA encarnada de AGIBOT. Según el informe, se probó para coordinar tareas, corregir errores y aprender de las operaciones.

Genie Master ofrece un marco común que coordina los seis robots y vincula sus acciones con el análisis y el aprendizaje posteriores. Según el informe, la conexión entre la planificación, la ejecución y la retroalimentación se articula a través del Protocolo de Ejecución Encarnada (EEP).

El sistema ordena el trabajo según las capacidades de cada robot y las condiciones de la tienda. Después, los robots llevan a cabo sus tareas basándose en políticas de acción y en lo que perciben en tiempo real. Los resultados de cada intento vuelven al sistema para su revisión y diagnóstico de fallos.

El marco también aprende de intentos anteriores. Al revisar las ejecuciones exitosas y fallidas, puede guardar experiencia útil en la memoria a largo plazo para casos similares. Los ajustes acertados pueden convertirse en datos de entrenamiento que perfeccionan las políticas de acción.

Próximos pasos

AGIBOT también ha aplicado lo aprendido en las operaciones para mejorar los resultados de los G2 en tareas de manipulación delicada, con prácticas adicionales durante las noches más tranquilas. Según el informe, estos esfuerzos se centraron en tareas que requieren una manipulación precisa.

La compañía prevé ampliar las pruebas a más trabajos y entornos reales, usando la retroalimentación de las operaciones para hacer las máquinas más fiables y flexibles. Según el informe, AGIBOT también estudiará qué capacidades y métodos de trabajo pueden transferirse entre trabajos y replicarse en otros emplazamientos. El informe sugiere que estos resultados marcarán la siguiente fase, orientada a un uso más estable y escalable en el terreno.

Fuente