Por Redacción Pangea IA · 6 de noviembre de 2026
La robótica empieza a resolver uno de sus problemas más difíciles: manipular objetos delicados cuando la vista no basta. Panasonic y un equipo internacional de investigadores anunciaron el 5 de noviembre T-Rex, un sistema de inteligencia artificial que combina visión, instrucciones en lenguaje natural y sensores en las yemas de los dedos robóticos. En doce pruebas físicas, el prototipo alcanzó una tasa media de éxito del 65 %, frente al 35 % de la mejor alternativa utilizada en la comparación. Es un resultado de investigación, no el lanzamiento de un robot comercial.
Qué es T-Rex y por qué importa el sentido del tacto
Los modelos robóticos de visión, lenguaje y acción, conocidos como VLA, interpretan imágenes y órdenes para decidir cómo debe moverse una máquina. Pero ver un objeto no equivale a saber cuánta fuerza hay que ejercer. Un huevo puede resbalar, una tarjeta doblarse y una llave atascarse aunque la trayectoria calculada a partir de la cámara parezca correcta.
T-Rex, abreviatura de Tactile-Reactive Dexterous Manipulation, añade una vía de reacción táctil que modifica los movimientos cuando cambian las condiciones de contacto. El objetivo es que la máquina no dependa exclusivamente de observar el resultado de cada acción: también puede responder a la presión y al contacto mientras actúa. El proyecto reúne a Panasonic Holdings y su división de investigación estadounidense con investigadores de UC Berkeley, NVIDIA, Stanford, Sapienza de Roma e ItalAI.
Los resultados: del 35 % al 65 % de éxito
Según la evaluación publicada por Panasonic, el sistema se probó en doce tareas reales que requieren un control fino de la fuerza. Entre ellas figuran pasar páginas, trasladar un huevo, aplicar pasta de dientes, girar una llave, extraer una tarjeta e introducir o enroscar componentes. La tasa media de éxito fue del 65 %, treinta puntos porcentuales por encima del método de referencia, que obtuvo un 35 %.
Hay una comparación especialmente ilustrativa: al retirar la información táctil del propio sistema, la tasa de éxito bajó al 42 %. Esa diferencia apunta a la utilidad del canal táctil dentro de las condiciones concretas del experimento. No demuestra, sin embargo, que cualquier robot equipado con estos sensores vaya a lograr automáticamente el mismo rendimiento.
El equipo también describe un entrenamiento en varias fases. Primero aprovecha conocimientos visuales y de movimiento procedentes de 22.889 horas de vídeo humano en primera persona; después incorpora información específica de contacto y finalmente adapta el comportamiento a las tareas robóticas con aproximadamente cien demostraciones por tarea. Son cifras del proyecto investigador, no requisitos que deba cumplir una empresa para utilizar una futura solución.
Aplicaciones posibles en fábricas y almacenes
La aplicación industrial más evidente es la manipulación de piezas que no se comportan siempre de la misma manera. En una línea de montaje, introducir un conector, enroscar un elemento o colocar una pieza flexible exige ajustar la fuerza al contacto real. En un almacén, sujetar un paquete deformable o un producto frágil presenta un problema similar.
Para una empresa española de fabricación, logística o integración robótica, la noticia es una señal tecnológica interesante: combinar sensores táctiles y modelos de IA podría ampliar el tipo de operaciones automatizables. Pero no hay datos publicados suficientes para calcular ahorro de costes, retorno de inversión, velocidad de producción o fiabilidad durante miles de horas de trabajo. Tampoco se ha anunciado un precio, un catálogo de robots compatibles ni una fecha de comercialización.
Un ejemplo práctico: manipular productos delicados
Imaginemos una empresa que prepara pedidos con objetos de distinta rigidez. Un robot guiado principalmente por cámara podría identificar cada artículo y planificar cómo recogerlo. Si el objeto empieza a deslizarse o se comprime inesperadamente, una respuesta táctil rápida permitiría corregir la presión antes de completar el movimiento. Ese escenario explica el potencial de la investigación, pero sigue siendo un ejemplo de aplicación futura, no una instalación comercial confirmada.
Qué falta antes de llevarlo al mercado
Un promedio del 65 % supone un avance relevante respecto al método comparado, pero también implica que una parte considerable de las pruebas todavía falla. En entornos industriales, donde una manipulación incorrecta puede detener una línea o dañar mercancía, la tolerancia al error suele ser mucho menor. Será necesario evaluar el comportamiento ante objetos desconocidos, desgaste de sensores, cambios de iluminación, suciedad y ciclos de trabajo prolongados.
Los investigadores tienen previsto presentar los resultados en la conferencia Conference on Robot Learning (CoRL), celebrada en Austin del 9 al 12 de noviembre de 2026. El artículo científico asociado estaba disponible antes de este anuncio, por lo que la novedad informativa de esta noticia es la comunicación de Panasonic del 5 de noviembre y sus resultados divulgados, no la afirmación de que toda la línea de investigación haya nacido ese día.
La IA física avanza, pero todavía necesita pruebas
La industria está explorando sistemas que conectan modelos inteligentes con máquinas reales. Pangea IA ya explicó cómo XPeng abrió su modelo visual GroundingPI y cómo Intel y SAP vinculan procesos empresariales con robots autónomos. T-Rex aborda otro eslabón de esa cadena: no solo decidir qué hacer, sino controlar mejor el contacto físico durante la ejecución.
La conclusión es prometedora, aunque prudente. Los sensores táctiles pueden ayudar a que los robots sean más versátiles con materiales y objetos difíciles. El reto pendiente consiste en convertir el rendimiento de laboratorio en una automatización fiable, mantenible y económicamente justificable.
Fuentes y documentación
Consultadas el 6 de noviembre de 2026: comunicado original de Panasonic, 5 de noviembre; AI Watch, cobertura del 5 de noviembre; Robotstart, 5 de noviembre; documento científico del proyecto.
Deja una respuesta