Connect with us

Publicado

on


Tiempo de lectura estimado: 12 minutos


Introducción: Cuando las Máquinas Empiezan a Sentir

Durante décadas, los robots han sido máquinas extraordinariamente capaces pero fundamentalmente insensibles al mundo que las rodea. Podían soldar, ensamblar, transportar y calcular, pero no podían sentir la diferencia entre agarrar un huevo crudo y una pelota de goma, ni detectar si una superficie estaba peligrosamente caliente antes de apoyar su mano mecánica sobre ella. Esa limitación, aparentemente simple, ha sido uno de los grandes cuellos de botella de la robótica moderna: sin tacto genuino, los robots no pueden integrarse de forma segura y natural en entornos humanos.

Eso está cambiando de forma acelerada. En los últimos doce meses se han producido algunos de los avances más significativos en la historia de la piel sintética robótica, impulsados por equipos de investigación en el Reino Unido, China, Corea del Sur y Estados Unidos. La convergencia de nuevos materiales —en especial los hidrogeles conductores—, técnicas de fabricación inspiradas en la biología, arquitecturas neuromórficas y la integración de inteligencia artificial para procesar señales táctiles complejas está produciendo resultados que hace apenas cinco años habrían parecido ciencia ficción.

Este artículo recorre en profundidad los desarrollos más relevantes, explica cómo funcionan técnicamente, analiza sus aplicaciones potenciales y presenta los equipos e instituciones que están liderando esta carrera tecnológica a nivel global.


¿Qué es la Piel Sintética Robótica y Por Qué es tan Difícil de Lograr?

Antes de entrar en los avances concretos, conviene entender por qué replicar la piel humana en un robot es un problema de ingeniería tan complejo. La piel humana no es simplemente una envoltura protectora: es el órgano más grande del cuerpo y uno de los más sofisticados desde el punto de vista sensorial. Contiene millones de receptores especializados capaces de detectar presión, temperatura, vibración, dolor, textura y la dirección de un estímulo, todo de forma simultánea y en tiempo real. Además, es flexible, elástica, autorreparable, resistente a la humedad, y transmite información al cerebro a través de una red nerviosa increíblemente densa y eficiente.

Replicar incluso una fracción de esas capacidades en un material artificial que además pueda cubrir geometrías complejas —como una mano robótica con sus pliegues, articulaciones y zonas de distinta curvatura— implica resolver problemas simultáneos en ciencias de los materiales, electrónica flexible, procesamiento de señales y aprendizaje automático. Los sistemas tradicionales abordaban el problema instalando sensores puntuales en ubicaciones específicas del robot, lo que resultaba en una cobertura fragmentada, costosa de fabricar, difícil de escalar y limitada a detectar un único tipo de estímulo por sensor. El nuevo paradigma, en cambio, propone convertir toda la superficie del robot en un único sistema sensorial continuo e integrado, funcionando como un órgano completo en lugar de una colección de dispositivos.


El Avance del Año: El Hidrogel Multimodal de Cambridge y UCL

El desarrollo que mayor repercusión científica ha tenido en los últimos meses fue publicado en junio de 2025 en la revista Science Robotics por investigadores de la Universidad de Cambridge y el University College London (UCL). El trabajo, titulado «Multimodal Information Structuring with Single-Layer Soft Skins and High-Density Electrical Impedance Tomography», representa un salto conceptual importante respecto a todos los sistemas anteriores.

El equipo, liderado por los investigadores David Hardman, Thomas George Thuruthel y Fumiya Iida, desarrolló una piel sintética basada en un único tipo de hidrogel conductor flexible, sin componentes rígidos ni sensores distribuidos. La clave tecnológica está en el uso de una técnica llamada tomografía por impedancia eléctrica de alta densidad (EIT), que permite inferir dónde y cómo se está deformando el material a partir de mediciones eléctricas en su periferia, de forma similar a cómo un médico infiere la estructura interna del cuerpo con una tomografía, pero aplicado en tiempo real a la superficie del robot.

Lo que hace a este sistema especialmente notable es que, en lugar de usar sensores diferentes para cada tipo de estímulo, un único material blando es capaz de detectar de forma simultánea tacto suave, presión intensa, calor, frío y cortes físicos. En las pruebas de laboratorio, la piel fue aplicada sobre una mano robótica como si fuera un guante, y pudo distinguir contactos tan diferentes como un dedo humano apoyado suavemente, la punta de un bisturí y una sonda térmica, identificando el tipo de contacto y su localización con una precisión media de 25 milímetros. En uno de los tests más llamativos, los investigadores sometieron la mano robótica a una ráfaga de calor para derretir parcialmente la piel y luego la cortaron con un bisturí; a pesar de eso, el sistema continuó detectando estímulos de forma funcional.

Thomas George Thuruthel, uno de los autores principales, declaró que si bien la tecnología aún no ha alcanzado el nivel de la piel humana, es más avanzada que cualquier otro sistema disponible en este momento. Además, enfatizó que el método es considerablemente más sencillo de fabricar que los sistemas basados en sensores tradicionales y que puede calibrarse para una variedad de tareas. El hidrogel tiene otra ventaja práctica notable: puede ser fundido y reformado en distintas geometrías, lo que lo hace adaptable a diferentes partes del cuerpo robótico sin necesidad de fabricar piezas a medida.

Contacto institucional:


La Piel que Siente Dolor: El Sistema Neuromórfico de PNAS

En diciembre de 2025, la prestigiosa revista Proceedings of the National Academy of Sciences (PNAS) publicó un trabajo que da un paso más allá en complejidad funcional: una piel electrónica robótica con arquitectura neuromórfica, denominada NRE-skin (Neuromorphic Robotic Electronic Skin), desarrollada por un equipo de universidades de Shanghái y Hong Kong.

El concepto de «piel que siente dolor» merece una aclaración importante antes de continuar: no se trata de sufrimiento subjetivo ni de experiencia emocional. En robótica, el término técnico equivalente es nocicepción artificial, que es simplemente la capacidad de detectar estímulos potencialmente dañinos y generar señales de alerta automáticas que provoquen una respuesta del sistema. Es el equivalente funcional del reflejo de retirar la mano al tocar algo muy caliente, sin necesidad de que el robot «sienta» nada en un sentido filosófico.

Lo que hace al NRE-skin técnicamente excepcional es su arquitectura inspirada directamente en el sistema nervioso humano. El diseño es jerárquico: la capa más externa actúa como epidermis protectora capaz de absorber impactos y rozaduras; debajo se ubican capas con sensores y circuitos que cumplen el rol de nervios periféricos; y el sistema cuenta con mecanismos de procesamiento local —»reflejos»— que permiten responder a estímulos de daño sin necesidad de esperar una orden del procesador central del robot. Esto es crucial para la seguridad: en situaciones donde un robot humanoide podría estar aplastando un objeto frágil o dañándose a sí mismo, cada milisegundo cuenta.

El sistema también incorpora una característica modular de reparación rápida, lo que permite reemplazar secciones dañadas de la piel sin desmontar el robot completo. Esta propiedad es esencial para aplicaciones industriales donde el tiempo de inactividad tiene un costo económico elevado. Según los autores, el NRE-skin mejora significativamente la seguridad en la interacción humano-robot, un área que ha cobrado urgencia a medida que los robots humanoides empiezan a operar en espacios compartidos con personas.

Contacto institucional:

  • PNAS — Para consultas sobre el artículo: pnas.org/doi/10.1073/pnas.2520922122
  • Editado por John Rogers, Northwestern University — Evanston, IL, EE.UU.

860.000 Microconexiones: La Piel que Transforma Todo el Cuerpo en un Sensor

Otro de los desarrollos más impresionantes proviene de una colaboración entre universidades de Shanghái y Hong Kong, presentado a finales de 2025 y principios de 2026. Este sistema propone una arquitectura radicalmente diferente: en lugar de cubrir el robot con una membrana flexible, propone una red de microconexiones integradas capaz de transformar toda la superficie corporal del robot en un único sensor continuo.

La estructura cuenta con más de 860.000 vías microscópicas capaces de transmitir señales eléctricas de forma simultánea, lo que permite detectar presión, temperatura, contacto y daño físico en cualquier punto del cuerpo robótico al mismo tiempo. La diferencia clave respecto a tecnologías anteriores es que no se trata de un conjunto de sensores especializados, sino de un único sistema multimodal donde todas las sensaciones son capturadas dentro de la misma arquitectura, imitando el funcionamiento de la piel biológica como órgano sensorial unificado.

Desde el punto de vista práctico, esto significa que un robot equipado con esta tecnología obtiene una percepción global de lo que ocurre en distintas zonas de su cuerpo de forma simultánea. Si algo presiona su brazo derecho mientras su mano izquierda toca una superficie caliente y su torso recibe un impacto, el sistema procesa todas esas señales al mismo tiempo y en tiempo real, sin necesidad de priorizar o turnar la atención entre sensores. Esto se asemeja mucho más a la experiencia sensorial humana que cualquier sistema anterior y abre posibilidades inéditas para la robótica colaborativa y los robots de servicio.


KAI: El Robot Doméstico Chino con 18.000 Puntos de Detección

En mayo de 2026, la empresa china de robótica Kinetix AI presentó KAI, un robot humanoide diseñado específicamente para entornos domésticos que incorpora uno de los sistemas de piel sintética más avanzados disponibles en un producto comercial. KAI mide 1,73 metros, pesa alrededor de 70 kilogramos y está completamente cubierto por una piel sintética háptica que integra 18.000 puntos de detección capaces de registrar presión, contacto y fuerza en tiempo real.

Lo que distingue a KAI de otros robots humanoides es que su sistema táctil está directamente integrado con sus algoritmos de manipulación de objetos: al sostener una taza de porcelana, por ejemplo, el robot puede ajustar automáticamente la presión del agarre según la retroalimentación táctil en tiempo real, evitando tanto soltar el objeto como romperlo. Esta capacidad, que en humanos parece trivial, ha sido históricamente uno de los grandes problemas no resueltos de la robótica. Según Kinetix AI, KAI puede realizar tareas como doblar ropa, cargar y vaciar el lavavajillas y manipular alimentos sin dañarlos, todo gracias a la información continua que recibe a través de su piel.

La empresa planea iniciar la producción masiva de KAI a finales de 2026, con un precio estimado superior a los 30.000 euros, lo que lo posiciona como un producto de alta gama orientado a hogares con alto poder adquisitivo y a aplicaciones institucionales como recepciones, centros de salud y museos.

Contacto comercial:

  • Kinetix AI: kinetix-ai.com (empresa china, operaciones principalmente en el mercado asiático)

Pieles Inspiradas en el Mar: La Propuesta de la Universidad de Nebraska

No todo el avance en piel sintética busca replicar exactamente la piel humana. Un equipo de la Universidad de Nebraska-Lincoln, liderado por el profesor asociado de química Stephen Morin y el doctorando Brennan Watts, está desarrollando pieles sintéticas inspiradas en los cefalópodos —pulpos, calamares y sepias— usando hidrogeles capaces de cambiar de color, textura y rigidez de forma controlada.

Publicado en la revista Advanced Materials en mayo de 2025, el trabajo explora cómo los mecanismos biológicos de los cefalópodos —que usan cromatóforos, iridóforos y papilas musculares para cambiar su apariencia en milisegundos— pueden adaptarse para crear robots blandos con capacidades de camuflaje, comunicación visual y adaptación mecánica al entorno. Si bien esta línea de investigación está más orientada a la robótica blanda experimental que a los humanoides, sus implicaciones son de largo alcance: robots capaces de cambiar su rigidez según la tarea que realizan, de señalizar visualmente su estado operativo o de adaptarse a superficies irregulares de formas que los materiales rígidos nunca podrán.

Contacto institucional:

  • University of Nebraska-Lincoln — Department of Chemistry: chem.unl.edu
  • Investigador principal: Prof. Stephen Morin — smorin2@unl.edu

Piel Óptico-Electrónica: Cuando la Piel Robótica Detecta Moléculas

Una de las investigaciones más futuristas fue publicada en agosto de 2025 en npj Flexible Electronics (revista del grupo Nature) por un equipo chino. Este trabajo introduce el concepto de piel artificial óptico-electrónica (oe-skin), que extiende las capacidades sensoriales de los robots más allá de los estímulos físicos convencionales hasta el dominio de la detección molecular.

La oe-skin es capaz de detectar marcadores bioquímicos en la superficie con la que entra en contacto. En las demostraciones experimentales, el sistema fue capaz de medir presión intraocular y niveles de glucosa, lo que abre la puerta a aplicaciones médicas inéditas: robots de asistencia sanitaria que puedan realizar evaluaciones preliminares de salud simplemente tomando la mano de un paciente, o sistemas de inspección industrial capaces de detectar contaminantes químicos mediante contacto directo con superficies.

Esta convergencia entre piel robótica y capacidad diagnóstica representa una expansión radical del concepto de «sentido del tacto»: ya no se trata solo de sentir si algo está caliente o blando, sino de analizar su composición química. Es un territorio donde la robótica, la medicina y la nanotecnología empiezan a converger de forma acelerada.

Referencia académica:

  • Dai, B., Zheng, Y., Qian, Y. et al. «An optical/electronic artificial skin extends the robotic sense to molecular sensing.» npj Flexible Electronics 9, 87 (2025). doi.org/10.1038/s41528-025-00431-6

Los Humanoides Comerciales: Cuando la Piel Sintética Sale del Laboratorio

Más allá de los proyectos de investigación académica, la piel sintética está llegando a productos comerciales. En noviembre de 2025, la empresa automotriz china Xpeng presentó en su AI Day en Guangzhou la octava generación de su robot humanoide IRON, que incorpora piel sintética diseñada para hacer la interacción humano-robot más cálida e íntima desde el punto de vista perceptual.

A diferencia de la mayoría de los robots humanoides que compiten en el mercado, el IRON de Xpeng no está orientado a la industria sino a la interacción social: la empresa lo destina a roles como recepcionista, guía turístico o asistente de compras. En ese contexto, la piel sintética no cumple solo una función sensorial sino también una función social: un robot que se siente más similar a la piel humana al tacto genera menos rechazo en las personas con las que interactúa, reduciendo el efecto del «valle inquietante» (uncanny valley) que hace que los humanoides parezcan perturbadores cuando están muy cerca de lo humano pero sin alcanzarlo del todo.

Contacto corporativo:

  • Xpeng Robotics: xpeng.com
  • AI Day 2025 — Guangzhou, China

Seguridad y el Reto de la Interacción Humano-Robot

A medida que los robots humanoides con pieles sintéticas avanzadas empiezan a operar en espacios compartidos con personas, la cuestión de la seguridad se vuelve central. Varios investigadores han señalado que la ausencia de un sentido del tacto adecuado en los robots actuales es precisamente lo que los hace peligrosos en contextos de proximidad humana: un robot que no puede sentir cuánta fuerza está ejerciendo sobre un brazo humano puede causar daños graves sin ninguna intención.

Los nuevos sistemas de piel sintética abordan este problema desde dos ángulos complementarios. Por un lado, la nocicepción artificial permite que el robot detecte cuando está causando daño a sí mismo o a su entorno y reactive respuestas de seguridad de forma autónoma y ultrarrápida. Por otro, la retroalimentación táctil en tiempo real permite que los algoritmos de control ajusten continuamente la fuerza ejercida en función de la resistencia detectada, de la misma manera en que un humano regula instintivamente cuánto apretar al dar la mano según la respuesta que siente.

La combinación de pieles sintéticas avanzadas con límites de fuerza programables y capas adicionales de control de movimiento se perfila como el estándar de seguridad para los robots de próxima generación que operarán en hogares, hospitales, escuelas y espacios públicos.


Tendencias y Perspectivas para los Próximos Años

El campo de la piel sintética robótica está avanzando en varias direcciones de forma simultánea:

De sensores aislados a superficies sensoriales unificadas. El paradigma dominante ha cambiado radicalmente. El objetivo ya no es instalar el mayor número posible de sensores especializados, sino crear materiales que funcionen como órganos sensoriales completos, capaces de capturar múltiples estímulos dentro de la misma arquitectura.

Materiales blandos, reciclables y adaptables. Los hidrogeles conductores y los elastómeros electrónicos están reemplazando a los sistemas basados en componentes rígidos. Esto permite pieles que se adaptan a formas complejas, que se pueden fundir y reformar, y que en algunos casos tienen propiedades de autorreparación parcial.

Integración profunda con inteligencia artificial. Procesar en tiempo real las señales de cientos de miles de puntos de detección simultáneos requiere redes neuronales avanzadas entrenadas específicamente para interpretar patrones táctiles complejos. La IA no es un complemento de la piel sintética: es parte integral del sistema sensorial.

Extensión a capacidades no humanas. La piel robótica no tiene por qué limitarse a replicar lo que la piel humana puede hacer. La detección molecular, la percepción del campo eléctrico, la detección ultrasónica y otras capacidades sensoriales que los humanos no poseemos representan un territorio de expansión enorme para esta tecnología.

Convergencia con aplicaciones médicas. Desde prótesis que devuelven sensaciones táctiles a personas amputadas hasta robots de asistencia sanitaria capaces de realizar evaluaciones preliminares de salud, la piel sintética está en el cruce entre robótica y medicina de una forma que se intensificará notablemente en los próximos años.


Conclusión

La piel sintética para robots ha pasado de ser un concepto de laboratorio marginal a convertirse en uno de los frentes más activos de la investigación en robótica e ingeniería de materiales. Los avances de 2025 y 2026 han demostrado que es posible crear superficies artificiales capaces de detectar múltiples estímulos de forma simultánea, con precisión suficiente para guiar la manipulación de objetos frágiles, para proteger al robot de daños y para interactuar de forma segura con seres humanos.

Lo que está en juego no es solo tecnología: es la posibilidad de que los robots se integren de forma genuina en la vida cotidiana, no como herramientas torpes e insensibles sino como sistemas capaces de relacionarse con el mundo físico —y con las personas— de una manera mucho más parecida a como lo hacemos nosotros. El camino es largo, pero los pasos dados en el último año son, sin exageración, los más significativos de la última década en este campo.


Fuentes y Referencias

  1. Hardman, D., Thuruthel, T.G., Iida, F. (2025). «Multimodal Information Structuring with Single-Layer Soft Skins and High-Density Electrical Impedance Tomography.» Science Robotics, Vol. 10, No. 103. DOI: 10.1126/scirobotics.adq2303 — sciencerobotics.org
  2. «Robots that feel heat, pain, and pressure? This new ‘skin’ makes it possible.» University of Cambridge (Junio 2025) — cam.ac.uk/stories/robotic-skin
  3. «A neuromorphic robotic electronic skin with active pain and injury perception.» PNAS (Diciembre 2025). DOI: 10.1073/pnas.2520922122 — pnas.org
  4. Dai, B., Zheng, Y., Qian, Y. et al. (2025). «An optical/electronic artificial skin extends the robotic sense to molecular sensing.» npj Flexible Electronics, 9, 87. DOI: 10.1038/s41528-025-00431-6 — nature.com
  5. «Humanoid robot unveiled with synthetic skin designed to feel warmer and intimate.» Tweaktown (Noviembre 2025) — tweaktown.com
  6. «Husker researchers developing cephalopod-inspired synthetic skins.» University of Nebraska-Lincoln (Junio 2025) — caremi.unl.edu
  7. «China presenta robot KAI con piel sintética y 18.000 sensores.» Gizmodo ES (Mayo 2026) — es.gizmodo.com
  8. «La piel que siente: un avance tecnológico acerca a los robots a nuestra sensibilidad humana.» Gizmodo ES (Julio 2025) — es.gizmodo.com
  9. «Robots con sentido del tacto: crean piel artificial sensible y flexible.» Agencia SINC (2025) — agenciasinc.es
  10. Hu, X., Liu, Z. & Zhang, Y. (2025). «Three-Dimensionally Architected Tactile Electronic Skins.» ACS Nano, 19, 14523–14539. DOI: 10.1021/acsnano

Este artículo fue elaborado con fines informativos y periodísticos. Todos los datos técnicos fueron verificados a partir de publicaciones académicas revisadas por pares y fuentes periodísticas especializadas. Última actualización: junio de 2026.

Continue Reading
Advertisement
Click to comment

Leave a Reply

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Researchland

Mark Zuckerberg y Priscilla Chan lanzan herramienta IA gratuita: el “World Model of Protein Biology” de Biohub

Publicado

on

El 27 de mayo de 2026, Chan Zuckerberg Biohub (Biohub) presentó uno de los avances más importantes en biología computacional del año: un modelo mundial de la biología de las proteínas impulsado por inteligencia artificial, completamente gratuito, de código abierto y disponible para investigadores de todo el mundo.

Esta herramienta promete acelerar drásticamente la investigación médica, el diseño de fármacos y el descubrimiento de nuevas terapias para enfermedades como el cáncer, trastornos inmunes y patologías poco comprendidas.

¿Qué es el World Model of Protein Biology?

Biohub, fundado por Mark Zuckerberg (director de Meta) y su esposa, la médica Priscilla Chan, desarrolló un ecosistema integrado por tres componentes principales:

  • ESMC: Un avanzado protein language model (modelo de lenguaje de proteínas) entrenado en miles de millones de secuencias evolutivas. Aprende las “reglas” de la biología proteica: secuencia, estructura y función.
  • ESMFold2: Modelo de predicción de estructuras 3D y diseño de proteínas. Genera estructuras atómicas de alta precisión y diseña “binders” (moléculas que se unen a proteínas específicas) con afinidad terapéutica que funcionan en experimentos de laboratorio. Supera en velocidad y, en varios casos, en precisión a herramientas como AlphaFold3.
  • ESM Atlas: El atlas de proteínas más grande del mundo, con 6.8 mil millones de secuencias y 1.1 mil millones de estructuras predichas. Organiza las proteínas según relaciones evolutivas y funcionales descubiertas por la IA, revelando conexiones inéditas (por ejemplo, entre enzimas de edición genética en ramas lejanas del árbol de la vida).

Este “world model” transforma la biología en algo computable: permite mapear, predecir y diseñar proteínas a escala masiva, reduciendo de años a días o horas el tiempo de investigación.

Beneficios para la investigación médica

  • Aceleración del descubrimiento: Diseñar proteínas para terapias personalizadas, anticuerpos y tratamientos dirigidos.
  • Acceso a lo desconocido: Gran parte de las proteínas en el atlas provienen de metagenómica y no estaban anotadas. Ahora son buscables.
  • Validación experimental: Los binders diseñados por ESMFold2 ya demostraron funcionar en laboratorio con tasas de éxito altas.
  • Colaboración global: Al ser abierto, cualquier investigador puede usarlo sin costos de licencia.

Forma parte de la Virtual Biology Initiative, una inversión de 500 millones de dólares anunciada en abril de 2026 para crear simulaciones predictivas de la biología celular con IA.

Cómo acceder y usar las herramientas (Guía paso a paso)

  1. Plataforma principal Ingresa a: https://biohub.ai/esm/protein Allí encontrarás los tres componentes: ESMC, ESMFold2 y ESM Atlas.
  2. Opciones de uso:
    • Interfaz web: Explora el atlas, realiza predicciones y visualiza estructuras directamente en el navegador (ideal para principiantes y exploración).
    • API: Para investigadores avanzados. Crea una cuenta gratuita en la plataforma, genera un API token en el developer console y usa código Python para integrarlo en tus flujos de trabajo.
    • Ejecución local: Descarga los modelos desde Hugging Face (bajo licencia MIT) y ejecútalos en tu propio hardware o en la nube.
  3. Recursos adicionales:
    • Repositorio GitHub oficial: Busca “Biohub/esm”.
    • Preprint científico (paper): Disponible en biohub.ai/papers/esm_protein.pdf.
    • Ejemplos y tutoriales (“cookbook”) en la documentación de la plataforma.

Requisitos técnicos: Para uso básico no se necesita GPU potente. Para fine-tuning o grandes volúmenes, se recomienda acceso a computación en la nube (Biohub ofrece créditos y partnerships con AWS, SandboxAQ, etc.).

Impacto y comparaciones

Expertos comparan este lanzamiento con el impacto inicial de AlphaFold, pero con ventajas clave: es totalmente abierto, más escalable y enfocado en diseño de nuevas proteínas, no solo predicción. Priscilla Chan y Alex Rives (líder científico de Biohub) destacan que el objetivo es democratizar la biología de precisión y acercarnos a tratamientos personalizados más rápidos y efectivos.

Fuentes consultadas

Continue Reading

Researchland

Tratamiento de aguas residuales con microalgas: Una solución sostenible liderada por la UBA

Publicado

on

Primera planta piloto argentina de tratamiento de aguas residuales con microalgas: Una solución sostenible liderada por la UBA

¿Qué usan y cómo funciona el sistema?

El equipo de la Facultad de Agronomía de la Universidad de Buenos Aires (FAUBA), en colaboración con AySA y otras instituciones, desarrolló una planta piloto que utiliza microalgas (organismos fotosintéticos acuáticos) junto con bacterias para tratar aguas residuales urbanas.

Componentes clave:

  • Microalgas: Se seleccionaron cepas locales (evaluaron más de 30). Funcionan en consorcios naturales (el reactor se coloniza naturalmente, dominando 1-2 especies) o con cepas controladas. Las algas realizan fotosíntesis, absorbiendo nutrientes (nitrógeno y fósforo), materia orgánica y contaminantes, mientras crecen y producen biomasa.
  • Reactores raceway: Tres piletones de 40 m² cada uno (forma de pista de carreras), de baja profundidad para que la luz solar llegue bien. Incluyen agitación mecánica para distribuir homogéneamente las algas y maximizar la fotosíntesis. El agua pasa primero por un tratamiento primario antes de entrar.
  • Procesos adicionales: Monitoreo automatizado con sensores, modelos de IA para predecir y optimizar, y sistemas de separación de biomasa (como centrífugas en desarrollo).

Resultados:

  • Trata hasta 12.000-36.000 litros por día.
  • Remueve ~90% de materia orgánica, 95% de nitrógeno y ~50% de fósforo, más otros contaminantes.
  • Produce ~0.76-1 kg de biomasa diaria, que se evalúa como biofertilizante o bioestimulante para agricultura (economía circular).

Esta tecnología es más económica y de bajo consumo energético que los lodos activados convencionales, ideal para zonas sin infraestructura. Requiere superficie pero es descentralizable.

Líder del proyecto: Dr. Tomás Agustín Rearte (o Agustín Rearte), docente de la Cátedra de Química Inorgánica y Analítica de la FAUBA, investigador del CONICET, director de la Colección de Cultivos de Microalgas de la FAUBA (CCM-FAUBA). Comenzó a trabajar con microalgas en 2009 durante su doctorado. Colabora con Carolina González (AySA) y otros.

¿Se puede usar en el Riachuelo?

Sí, hay experiencia previa y potencial directo. El equipo de Rearte ya trabajó en la Cuenca Matanza-Riachuelo usando biosorción con biomasa de microalgas para remover metales pesados como zinc (de efluentes de galvanoplastia). Redujeron concentraciones de 230 ppm a los 5 ppm permitidos por ACUMAR/ADA, usando biomasa de algas cultivadas en efluentes con alto N y P.

La planta piloto actual trata efluentes urbanos (como los que van al Riachuelo) y reduce nutrientes que causan eutrofización. Podría aplicarse en municipios, industrias o feedlots de la cuenca, combinando remoción de nutrientes + metales. Se menciona explícitamente su potencial para reducir contaminación en el Riachuelo.

Ventajas para Argentina: El 82% de las aguas residuales no se trata adecuadamente. Esta tecnología es escalable, sostenible y genera subproductos útiles.

Fuentes y colaboradores principales

  • Proyecto interinstitucional: FAUBA + AySA, con apoyo de MINCyT (“Ciencia y Tecnología contra el Hambre”), Fundación Bunge y Born, UBATEC, Universidad de Almería (España), TDK (IA), CONICET.
  • Instagram del proyecto: @tratar_con_microalgas
  • Artículos clave: Sobre la Tierra (FAUBA), Fundación Bunge y Born, Infobae/La Nación, Agencia TSS.

Es un proyecto muy prometedor que combina remediación ambiental, bajo costo y valor agregado

Continue Reading

Researchland

Robots Humanoides Open Source: Los Proyectos que Podés Fabricar Hoy

Publicado

on

Meta description: Guía completa de robots humanoides open source que podés construir desde cero: InMoov, Roboto Origin, Berkeley Humanoid Lite, ToddlerBot y más. Código, planos y materiales disponibles gratis.


Categoría: Robótica · Tecnología · Open Source
Tiempo de lectura: 8 minutos
Actualizado: Abril 2026


¿Qué es un robot humanoide open source?

Un robot humanoide open source es un sistema robótico bípedo cuyo hardware (planos mecánicos, esquemas electrónicos) y software (código de control, algoritmos de locomoción) están disponibles públicamente para que cualquier persona los descargue, replique y modifique sin costo de licencia.

A diferencia de plataformas comerciales como Boston Dynamics Atlas o Tesla Optimus —cerradas, propietarias y fuera del alcance económico de la mayoría—, estos proyectos permiten que investigadores, estudiantes y makers accedan a tecnología de frontera con inversión accesible.


Los 5 proyectos de robots humanoides open source más relevantes


1. Roboto Origin — RoboParty (2025)

El humanoide full-stack más nuevo y ambicioso del ecosistema open source.

Desarrollado en solo 120 días por el equipo de RoboParty, una startup de Beijing fundada por Huang Yi con 21 años, Roboto Origin fue liberado completamente como open source en enero de 2026. Es considerado el primer humanoide full-stack de código abierto del mundo: hardware, software de control y algoritmos de locomoción incluidos.

Especificaciones técnicas:

  • Altura: 1,25 metros
  • Peso: 34 kg
  • Velocidad de marcha: 3 m/s
  • Algoritmo de locomoción: AMP (Anthropomorphic Motion Planning) desarrollado por el equipo
  • Camina, corre y está preparado para entrenamiento Sim-to-Real

¿Qué está disponible?

  • Diseños de hardware completos (estructuras, electrónica)
  • Código de control y algoritmos de entrenamiento
  • Documentación de ingeniería
  • Programa de co-creación global para desarrolladores

Repositorio oficial: github.com/Roboparty/roboto_origin

Dificultad estimada: Alta — requiere conocimientos en mecatrónica, ROS y aprendizaje por refuerzo
Costo estimado de materiales: ~USD 3.000–5.000


2. Berkeley Humanoid Lite — UC Berkeley (2025)

El humanoide open source más accesible para makers con impresora 3D.

Desarrollado por el laboratorio de Ingeniería Eléctrica y Ciencias Computacionales de UC Berkeley, fue presentado en la conferencia Robotics Science and Systems 2025. Su diseño modular permite que un maker con experiencia básica lo construya en aproximadamente una semana.

El corazón del diseño es una caja de cambios cicloidal imprimible en 3D para los actuadores. Sus dientes grandes distribuyen la carga en mayor superficie, reduciendo el desgaste — clave para que las piezas plásticas soporten el peso real del robot.

Especificaciones técnicas:

  • Altura: ~1 metro
  • Peso: ~16 kg
  • Locomoción: aprendizaje por refuerzo (RL) para marcha bípeda
  • Manipulación: teleoperación con joystick demostrada (agarró un cubo Rubik)
  • Todas las piezas mecánicas imprimibles con impresora 3D estándar

¿Qué está disponible?

  • Diseño de hardware completo (CAD, STL)
  • Código embebido
  • Frameworks de entrenamiento y deployment
  • Comunidad activa en Discord

Repositorio oficial: github.com/BerkeleyAutomation/humanoid-lite
Paper académico: Robotics Science and Systems 2025

Dificultad estimada: Media-Alta
Costo estimado de materiales: ~USD 5.000 (precios de mercado estadounidense)


3. ToddlerBot — Stanford University (2025)

El humanoide open source con mejor integración de IA y manipulación.

Presentado en la 9th Annual Conference on Robot Learning (CoRL 2025), ToddlerBot es una plataforma de bajo costo diseñada específicamente para investigación en locomoción combinada con manipulación (loco-manipulation). Su nombre viene de su similitud con el movimiento de un niño aprendiendo a caminar.

Lo que lo distingue es su robustez: «casi nunca se rompe y cuando se rompe, es muy fácil de reparar», según sus creadores de Stanford.

Capacidades demostradas:

  • Caminata omnidireccional (todas las direcciones)
  • Gateo coordinado con brazos y piernas
  • Voltereta (cartwheel) como demostración de agilidad
  • Manipulación bimanual con política de difusión entrenada con 60 demos
  • Teleoperación VR con Meta Quest 2 en tiempo real
  • Transferencia zero-shot de políticas de manipulación entre instancias

¿Qué está disponible?

  • Manuales de ensamblaje completos con videos
  • Código de control con RL
  • Framework de simulación (MuJoCo compatible)
  • Datasets de entrenamiento

Sitio oficial: toddlerbot.github.io

Dificultad estimada: Alta — orientado a investigación
Costo estimado de materiales: ~USD 2.500


4. InMoov — Gael Langevin (2012–presente)

El proyecto más veterano y con mayor comunidad global.

Iniciado en 2012 por el escultor y diseñador francés Gael Langevin, InMoov es el primer robot humanoide open source a tamaño real imprimible en 3D del mundo. Lo que empezó como una mano robótica para un trabajo fotográfico evolucionó en más de una década hasta convertirse en un humanoide completo con cabeza, torso, brazos y en desarrollo de piernas.

Su mayor virtud es la barrera de entrada baja: cualquier impresora 3D con área de impresión de 12×12×12 cm puede fabricar todas sus piezas. La comunidad global —con miles de builders en el mapa interactivo del sitio— garantiza soporte continuo.

Especificaciones técnicas:

  • Tamaño real (aproximadamente 1,80m completo)
  • 5 grados de libertad por brazo
  • 16 grados de libertad por mano (10 dedos motorizados independientes)
  • 6 grados de libertad en la cabeza
  • 2 cámaras para rastreo facial y de objetos
  • 28 servos en total, controlado por Arduino Mega
  • Capacidades: habla, escucha, reconocimiento facial, chatbot integrado

¿Qué está disponible?

  • Archivos STL de todas las piezas (licencia Creative Commons CC-BY-NC)
  • Software MyRobotLab (Java + Python, open source)
  • Guías de montaje paso a paso
  • Comunidad en el foro oficial

Sitio oficial: inmoov.fr
Software de control: myrobotlab.org
GitHub: github.com/MyRobotLab/myrobotlab

Dificultad estimada: Media — ideal para empezar de a partes
Costo estimado de materiales: USD 1.000–3.000 según las partes que construyas


5. Poppy Humanoid — Inria / Pollen Robotics (Francia)

El humanoide open source más documentado para educación e investigación.

Desarrollado por el Instituto Nacional de Investigación en Informática y Automática de Francia (Inria), Poppy fue concebido como plataforma de aprendizaje abierta. Hoy es mantenido por la comunidad y representa una de las arquitecturas mejor documentadas disponibles.

Especificaciones técnicas:

  • 25 actuadores Robotis Dynamixel (la mayor parte del costo)
  • Raspberry Pi 3 o 4 como cerebro
  • Compatible con Python (pip install poppy-humanoid)
  • Archivos disponibles: STL, STEP, Solidworks, URDF
  • Tiempo de ensamblaje: ~7 horas para alguien con experiencia

¿Qué está disponible?

  • Todo el hardware bajo licencia CC BY-SA
  • Software bajo GPL v3
  • Bill of Materials completo
  • Instrucciones de ensamblaje

Repositorio oficial: github.com/poppy-project/poppy-humanoid
Sitio del proyecto: poppy-project.org

Dificultad estimada: Media
Costo estimado de materiales: USD 8.000–9.000 (los servos Dynamixel representan ~60% del total)


Tabla comparativa rápida

ProyectoAlturaCaminaCosto aprox.NivelRepositorio
Roboto Origin1,25mSí (3 m/s)~USD 3.000–5.000Altogithub.com/Roboparty/roboto_origin
Berkeley Humanoid Lite~1mSí (básico)~USD 5.000Medio-Altogithub.com/BerkeleyAutomation/humanoid-lite
ToddlerBot~0,8mSí (omnidirec.)~USD 2.500Altotoddlerbot.github.io
InMoov~1,8mEn desarrolloUSD 1.000–3.000Medioinmoov.fr
Poppy Humanoid~0,9mLimitadoUSD 8.000–9.000Mediopoppy-project.org

¿Qué necesitás para empezar?

Hardware básico para la mayoría de proyectos:

  • Impresora 3D (FDM, mínimo 12×12×12 cm de área)
  • Filamento PLA o PLA+
  • Arduino Mega o Raspberry Pi (según el proyecto)
  • Servomotores (MG996R para proyectos básicos, Dynamixel para proyectos avanzados)
  • Fuente de alimentación adecuada

Software y conocimientos recomendados:

  • Python (esencial en todos los proyectos modernos)
  • ROS / ROS2 (para proyectos de investigación)
  • Familiaridad con impresión 3D y slicers (Cura, PrusaSlicer)
  • Básico de electrónica y microcontroladores

Ecosistema de software open source para robótica

Más allá del hardware, estos proyectos de software son clave para el desarrollo:


Recursos adicionales y comunidades


Conclusión

La robótica humanoide open source ya no es un hobby de nicho reservado a laboratorios universitarios con presupuestos millonarios. Proyectos como Roboto Origin, Berkeley Humanoid Lite y ToddlerBot demuestran que con una impresora 3D, componentes electrónicos accesibles y conocimiento de Python y ROS, es posible construir un humanoide funcional.

El punto de entrada más recomendable hoy es InMoov (empezando solo por la mano o el brazo) si sos principiante, o Roboto Origin si tenés experiencia en mecatrónica y querés el proyecto más completo y actualizado.

La comunidad global de builders es activa, los repositorios están en constante actualización y —por primera vez en la historia— el «momento ChatGPT de la robótica» parece genuinamente cerca.


Fuentes: github.com/Roboparty, engineering.berkeley.edu, toddlerbot.github.io, inmoov.fr, poppy-project.org, ibm.com/think, interestingengineering.com

Continue Reading

TENDENCIAS