En un mundo cada vez más conectado, la tecnología LoRaWAN está abriendo nuevas fronteras para el Internet de las Cosas (IoT) en entornos extremos. Un ejemplo reciente, compartido en un post en X, ilustra un caso de uso ambicioso propuesto por un socio de Arabia Saudita: rastrear el movimiento de millones de camellos (estimados en más de 1.8 millones según datos oficiales) a través de vastas regiones desérticas utilizando rastreadores basados en LoRaWAN. Este caso no solo pone a prueba las capacidades de largo alcance y bajo consumo de LoRa, sino que también destaca su potencial para transformar industrias como la ganadería, la agricultura inteligente y el rastreo de activos en entornos remotos.
Ejemplo citado: Un socio de Arabia Saudita propone usar rastreadores LoRa alimentados por energía solar en cada camello, con una sola puerta de enlace (gateway) montada en un vehículo móvil que funcione offline, procesando datos localmente en una app móvil, con un rango ideal de 20 km o más para cubrir el desierto. Fuente: Post en X, 2025.
En este artículo, exploraremos la factibilidad técnica de este caso, ejemplos reales de aplicaciones similares, desafíos, oportunidades de negocio y cómo proyectos como NFTrace.tech y Avatel.tech están apoyando soluciones similares.
¿Qué es LoRa y LoRaWAN?
LoRa (Long Range) es una tecnología de modulación de radio que opera en bandas sub-GHz (como 868 MHz en Europa o 915 MHz en América), diseñada para transmisiones de largo alcance y bajo consumo energético, ideal para IoT. LoRaWAN, por su parte, es el protocolo de red que organiza la comunicación entre dispositivos finales (como sensores) y puertas de enlace, utilizando una topología en estrella. Sus características clave incluyen:
Largo alcance: Hasta 15-20 km en entornos rurales y más en condiciones óptimas.
Bajo consumo: Baterías que duran hasta 10 años, perfectas para dispositivos remotos.
Baja tasa de datos: Ideal para enviar datos pequeños como coordenadas GPS, no para streaming.
Costo accesible: Dispositivos y gateways económicos, desde 10 USD por sensor hasta 500-1000 USD por gateway.
En desiertos, donde no hay obstáculos como edificios, LoRa puede alcanzar rangos excepcionales, lo que lo hace ideal para el caso propuesto.
Contexto del caso: Rastreo de camellos en Arabia Saudita
Arabia Saudita alberga una población estimada de 1.8 millones de camellos, según el Ministerio de Medio Ambiente, Agua y Agricultura (2022-2024) [Web: Ministerio de Medio Ambiente, SA]. El desierto de Rub’ al-Jali, uno de los más grandes del mundo (650,000 km²), plantea desafíos logísticos para el rastreo tradicional, como collares GPS satelitales, que son costosos y dependen de redes celulares limitadas en zonas remotas. El caso propone:
Rastreadores solares LoRaWAN en cada camello, aprovechando la abundante energía solar.
Gateway móvil en un vehículo, funcionando offline con procesamiento y visualización local en una app.
Rango de 20 km por gateway para minimizar infraestructura.
Escalabilidad para rastrear millones de animales en movimiento.
Este enfoque alinea con la tendencia de «DesertTech», que combina IoT con soluciones para entornos áridos, como agricultura inteligente y gestión de recursos.
Factibilidad técnica
¿Es posible rastrear millones de camellos con un solo gateway móvil? Analicemos los aspectos clave basados en evidencia técnica.
1. Rango en entornos desérticos
LoRa destaca en áreas abiertas como desiertos, donde la línea de vista (LOS) es clara. Pruebas reales confirman:
Entorno
Rango típico
Rango máximo
Fuente
Urbano
2-5 km
N/A
[Web: Semtech, LoRa Range Tests]
Rural
15-20 km
N/A
[Web: Semtech, LoRa Range Tests]
Desierto/Abierto
20-50 km
Hasta 1,336 km (récord con antenas elevadas)
[Web: The Things Network, 2023] [Web: LoRa Alliance]
En desiertos, factores como tormentas de arena o calor extremo pueden reducir el rango, pero pruebas en pastizales desérticos para ganado han logrado 10-20 km estables [Web: mOOvement Case Study]. Un rango de 20 km es alcanzable con antenas elevadas y factores de dispersión altos (SF12).
2. Escalabilidad
LoRaWAN soporta teóricamente millones de dispositivos por red, gracias a su diseño anti-colisiones [Web: LoRaWAN Scalability Study]. Sin embargo, un solo gateway puede manejar miles de dispositivos (dependiendo de la frecuencia de envíos, e.g., cada hora). Para 1.8 millones de camellos, un solo gateway móvil sería insuficiente debido al límite de duty cycle (1% en muchas regiones). Una red híbrida con múltiples gateways (móviles y fijos) es necesaria [Web: IoT Scalability Research].
3. Operación offline y solar
Energía solar: Los rastreadores LoRa consumen milivatios, y el sol árabe garantiza recarga constante. Ejemplos como tags GPS solares para ganado confirman su viabilidad [Web: Smart Paddock].
Offline: Gateways con edge computing pueden procesar datos localmente y enviarlos a una app vía Bluetooth o Wi-Fi local, ideal para áreas sin internet.
4. Límites y desafíos
Pros: Bajo costo (~50-100 USD por camello, 500-1000 USD por gateway), robustez en temperaturas extremas (hasta 85°C), y facilidad de despliegue.
Contras: Riesgo de colisiones con muchos dispositivos, precisión GPS variable en movimiento, y vulnerabilidad a tormentas de arena. Actualizaciones over-the-air (OTA) pueden ser lentas.
Ejemplos reales de aplicaciones similares
LoRa ya se usa en rastreo de animales y activos en entornos remotos:
mOOvement (Australia): Tags LoRaWAN en orejas de vacas para monitoreo en pastizales desérticos, con rangos de 10-15 km y precisión GPS [Web: mOOvement Case Study].
Smart Paddock: Tags GPS «Bluebell» para ganado, conectados vía LoRaWAN, permiten rastreo en áreas remotas [Web: Smart Paddock].
Vida silvestre: Proyectos con aves y mamíferos usan bio-loggers LoRa para monitoreo poblacional, con rangos de 10-15 km [Web: Wildlife Tracking IoT].
Ganado en EE.UU./Europa: Sistemas de rastreo de ovejas y cabras integran GPS y sensores de salud vía LoRaWAN [Web: IoT for Agriculture].
Estos casos confirman que LoRa es efectivo para cientos o miles de animales, pero escalar a millones requiere redes más robustas.
Oportunidades de negocio
El caso de los camellos abre un mercado significativo en:
Agricultura inteligente: Optimización de la ganadería en regiones áridas, reduciendo pérdidas (e.g., camellos extraviados) y mejorando la gestión de pastoreo.
DesertTech: Soluciones IoT para entornos extremos, aplicables a minería, logística y conservación.
Exportación de tecnología: Arabia Saudita y países del Golfo (como Emiratos Árabes) invierten fuertemente en IoT, con un mercado proyectado de 11 mil millones USD para 2025 [Web: Middle East IoT Market Report].
Sostenibilidad: Monitoreo de poblaciones animales para conservación y manejo de recursos hídricos en desiertos.
Proyectos como NFTrace.tech y Avatel.tech están liderando este espacio:
NFTrace.tech: Ofrece soluciones de trazabilidad basadas en IoT y blockchain, ideales para garantizar la autenticidad de datos de rastreo (e.g., ubicación de camellos para mercados de exportación) [Web: NFTrace.tech].
Avatel.tech: Especializada en telecomunicaciones para entornos remotos, con experiencia en LoRaWAN para agricultura y logística, perfecta para desplegar redes en desiertos [Web: Avatel.tech].
Recomendaciones de diseño
Para implementar este sistema:
Arquitectura híbrida: Combinar gateways móviles (vehículos/drones) con fijos para cubrir grandes áreas.
Optimización: Usar SF12 para máximo rango, envíos esporádicos (cada 30-60 min), y GPS híbrido (LoRa + satélite como respaldo).
Confiabilidad: Pruebas en terreno desértico, antenas elevadas, y monitoreo de colisiones.
Costo estimado: 50-100 USD por rastreador, 500-1000 USD por gateway, con un ROI rápido en ganadería a gran escala.
Conclusión
El rastreo de millones de camellos con LoRaWAN es un caso de uso innovador que combina tecnología de punta con necesidades reales del mundo árabe. Aunque un solo gateway móvil no basta para escalar a millones, una red bien diseñada con apoyo de proyectos como NFTrace.tech y Avatel.tech puede hacer este sueño realidad. Este proyecto no solo beneficia a Arabia Saudita, sino que podría inspirar soluciones globales en DesertTech, agricultura inteligente y conservación. ¿Qué otras aplicaciones ves para LoRa en entornos extremos? ¡Comparte tus ideas!
Fuentes:
Ministerio de Medio Ambiente, Agua y Agricultura, Arabia Saudita, 2022-2024.
Camila Soria junto con SuperPioneros hicieron una presentación al respecto, Acá les presento un resumen de la misma junto al grupo Pioneros — la comunidad de Web3, IA e innovación liderada por José Luis Cáceres (CEO de NWC10, fundador de SuperPioneros y CBO de Bit2Me), que reúne a más de 80.000 personas aprendiendo, ayudando y construyendo juntas en el ecosistema. Los sigo hace años, y no es casualidad que este tema haya salido justo de ese espacio: son de los que están un paso adelante marcando por dónde va el debate técnico y legal de la industria en habla hispana.
La presentación de Camila Soria (CipherLaw)
Camila Soria es Chief Legal Architect en CipherLaw, estudio de Buenos Aires especializado en infraestructura legal estratégica para Web3 e IA. El material es la primera edición de «Legal Design for Builders», creada junto a NWC10 | SuperPioneros.
Su planteo, en sus propias palabras (post de LinkedIn que acompaña la presentación):
«Un agente puede tener permiso técnico para operar una wallet y, aun así, no tener autoridad para realizar cualquier operación.»
Durante la charla analizaron qué cambia cuando la IA deja de recomendar y empieza a decidir, firmar y ejecutar pagos. Su conclusión principal: los límites críticos no pueden vivir solamente en un prompt. El monto, la contraparte, la vigencia, las operaciones permitidas y la posibilidad de revocar el acceso tienen que formar parte de la arquitectura del sistema, no de una instrucción en lenguaje natural.
También plantea la necesidad de poder reconstruir la cadena completa — mandato → decisión → control → firma → ejecución — porque cuando algo sale mal, esa evidencia es lo que permite entender dónde ocurrió la falla y quién estaba en mejores condiciones de evitarla.
Las siete ideas centrales, en el orden del documento:
Del agente que habla al agente que paga: «Para el agente que habla, el derecho ya respondió. Para el que paga, recién empieza.»
«Autónomo» no significa lo mismo para todos: «Que vos definas el destino no significa que controles todo el camino.»
El regulador no mira solo el stack técnico: evalúa dominio, acción y derechos afectados — la combinación define el «perfil regulatorio».
Permiso no es lo mismo que autoridad: la autoridad real se define por monto, contraparte, vigencia y tipo de operación.
Quien razona no debería autorizar: «El agente puede razonar. No debería darse permiso a sí mismo.»
Un prompt no es un control: «Dale una llave de hotel, no una llave maestra.»
La responsabilidad sigue al control y al beneficio: como el agente no tiene patrimonio propio, la responsabilidad recae en quien controla el sistema y se beneficia de él.
Cierre su presentación y documento con lo siguiente, si construís agentes que actúan, también tenés que diseñar quién responde por sus acciones.
Fuente: Camila Soria (CipherLaw), presentación «Legal Design for Builders» — primera edición, creada junto a NWC10 | SuperPioneros, LinkedIn.
Mi visión adicional al documento de Camila (agregado, no parte del documento)
Hoy conviven dos modelos de agentes: unos con límite libre y otros con tarjetas prepagas recargables, con tope fijo controlado por un humano. Mastercard lanzó Agent Pay el 17 de septiembre de 2026 junto a Alchemy, donde el usuario define límites configurables: tope de gasto, categorías de comercio permitidas y geografías habilitadas, permitiendo que el agente compre sin pedir autorización en cada transacción, pero siempre dentro de esos parámetros. Fuente: Mastercard lanza Agent Pay con Alchemy — Ecosistema Startup
Si un agente se equivoca, el problema es de programación, no «de la IA»: conecta con el punto 5 del documento — un agente bien diseñado debería derivar a un humano antes de ejecutar una decisión compleja, en vez de resolverlo todo por sí solo.
El FSB (Consejo de Estabilidad Financiera) ya pide ese mismo control a nivel bancario: pidió que bancos limiten la IA agéntica y traten a los agentes como ‘empleados sintéticos’, con aval humano para transacciones por encima de ciertos montos. Fuente: Let’s Money — IA Agéntica
Argentina y la «Sociedad Automatizada»: el gobierno tiene en el Senado un proyecto de ley que introduce esta figura. Según el artículo 14, «la sociedad automatizada responde con su patrimonio frente a terceros por los daños causados por sus sistemas algorítmicos autónomos o agentes de inteligencia artificial». Fuente: Xataka — Milei quiere crear nueva categoría empresarial
Bots que se clonan si ganan y se apagan si pierden: conecta con una tendencia que recién empieza a circular en la industria, los «self-evolving agents». Vale aclarar que esto hoy es más una tendencia conceptual que algo funcionando en producción con dinero real. Fuente: Baguete — Vem aí os self-evolving agents
Mirada a futuro: avanzar, pero con cautela y por etapas (opinión propia)
Siguiendo el planteo de Camila Soria como base, mi lectura de hacia dónde debería ir esto es la siguiente: el futuro es avanzar, pero de forma gradual, no de golpe.
En una primera etapa, tiene sentido que los agentes de IA operen únicamente con tarjetas prepagas y topes bajos, sin manejar grandes volúmenes de dinero. No porque la tecnología no esté lista, sino porque el marco legal todavía no lo está — y como bien marca Soria, sin autoridad clara y sin control técnico real, cualquier volumen grande es un riesgo innecesario. Empezar chico, con montos acotados y recargables, permite que la industria (y la ley) vayan madurando al mismo ritmo que la tecnología, en vez de que la tecnología corra sola y la ley llegue tarde a poner orden.
Ahí es donde entra lo que estamos construyendo en AuriTrace.com: trazabilidad de lo que hacen los agentes de IA, siguiendo patrones que deben cumplirse, con la posibilidad de registrar esa información en una blockchain. Esto conecta directo con uno de los pedidos centrales de Camila Soria en el documento — poder reconstruir la cadena completa de mandato → decisión → control → firma → ejecución. Un registro en blockchain le da a esa cadena algo clave: evidencia inmutable y verificable, exactamente lo que hace falta cuando algo sale mal y hay que determinar quién estaba en mejores condiciones de evitar la falla.
En resumen: la tecnología para que los agentes paguen y actúen solos ya existe. Lo que falta madurar es el círculo completo — tope de gasto controlado por humanos, trazabilidad verificable de cada acción, y un marco legal claro sobre quién responde. Avanzando en ese orden, por etapas, se puede construir un ecosistema de agentes de IA confiable sin repetir errores que después sean difíciles de deshacer. Vos que opinás a la presentación de Camila?? cuales son tus sugerencias.. el futuro lo vamos construyendo entre todos.
Un equipo de la Universidad Julius-Maximilians de Würzburg, liderado por el profesor Bert Hecht, publicó en Nature Communications el desarrollo de nanorrobots impulsados exclusivamente por luz, de menos de un micrómetro de tamaño —unas 50 veces más pequeños que el diámetro de un cabello humano— capaces de capturar, transportar y liberar bacterias de forma selectiva en ambientes acuosos. El trabajo se dio a conocer públicamente el 18 de agosto y combina física, robótica y microbiología en un único dispositivo experimental.
Los nanorrobots se propulsan mediante el retroceso (recoil) que generan fotones al ser absorbidos y reemitidos por nanoantenas plasmónicas integradas en su estructura, un principio físico análogo al retroceso que produce un arma de fuego al disparar. La dirección del movimiento se controla ajustando la polarización de la luz incidente: hilos de antena a escala nanométrica embebidos en el robot se alinean con la dirección de polarización, lo que permite orientar el dispositivo mientras la propulsión continúa impulsada por el propio retroceso fotónico. Los robots pueden ejecutar giros de 90 grados a alta velocidad, lo que les permite recorrer sistemáticamente amplias zonas de una muestra biológica.
Según Jin Qin, científico experimental principal del estudio, el equipo simplificó el diseño del dispositivo hasta lograr un tamaño que le permite operar directamente dentro del mundo microbiano, funcionando de manera similar a un dispositivo de limpieza microscópico. En las demostraciones de laboratorio, los nanorrobots mantuvieron su capacidad de maniobra incluso mientras transportaban cúmulos de bacterias de mayor tamaño relativo, aunque su velocidad se redujo durante ese transporte, lo que demuestra que el sistema puede manipular activamente microorganismos y no limitarse a observarlos.
La posibilidad de manipular objetos biológicos a esta escala con semejante precisión abre aplicaciones concretas para la microbiología y la investigación biomédica: desde experimentos controlados que requieren reubicar microorganismos específicos hasta, a más largo plazo, tareas de «limpieza» selectiva en muestras contaminadas con múltiples especies bacterianas. Se trata todavía de una demostración de laboratorio bajo condiciones controladas, y el camino hacia aplicaciones prácticas en diagnóstico o tratamiento requerirá superar desafíos adicionales de escalabilidad y de operación fuera de un entorno experimental, pero el trabajo confirma que la luz puede utilizarse no solo para observar el mundo microscópico, sino también para intervenir activamente sobre él.
Google DeepMind presentó el 30 de julio Gemini Robotics 2, una nueva generación de modelos de inteligencia artificial diseñados para actuar como la capa de razonamiento e inteligencia dentro de robots físicos, con la novedad de que por primera vez permite controlar de forma coordinada el cuerpo entero de un humanoide —desde las piernas hasta los dedos— y no solo la parte superior del cuerpo, como ocurría con las versiones anteriores del sistema. La demostración se realizó sobre el robot Apollo 2 de Apptronik, equipado con manos Sharpa.
El sistema se compone de tres modelos que trabajan en conjunto: Gemini Robotics 2, el modelo principal de visión-lenguaje-acción que traduce entradas visuales y verbales en órdenes motoras precisas; Gemini Robotics ER 2, un modelo de «razonamiento encarnado» que actúa como planificador de alto nivel, descompone instrucciones complejas en pasos y coordina a más de un robot para completar tareas en conjunto; y un modelo On-Device 2 de baja latencia que permite adaptar el sistema a nuevas plataformas robóticas en cuestión de horas utilizando menos de 200 demostraciones de entrenamiento. En pruebas de la compañía, el sistema logró una tasa de éxito del 92% en una tarea que exige coordinación de cuerpo completo: desenroscar una lámpara sosteniendo el equilibrio con las piernas mientras manipula el objeto con las manos.
El salto respecto de la generación anterior, limitada al control de brazos y manos sobre una base fija, es significativo porque muchos robots humanoides actuales fallan justamente en tareas que requieren estabilización de la parte inferior del cuerpo mientras se ejecuta una manipulación delicada con la parte superior, perdiendo el equilibrio o aplicando fuerza de forma despareja. Gemini Robotics ER 2 ya está disponible en vista previa pública a través de Google AI Studio de forma gratuita, lo que habilita a desarrolladores y estudiantes a experimentar con la planificación de tareas robóticas sin costo, mientras que los modelos completos de control motor permanecen limitados a sus socios de acceso anticipado, entre ellos Apptronik.
Para la industria de la robótica humanoide, que todavía discute qué compañía logrará primero llevar estos sistemas fuera del laboratorio y hacia entornos reales de trabajo, la capacidad de coordinar cuerpo completo es un requisito previo ineludible para tareas cotidianas como limpiar una habitación desordenada o trabajar en una línea de montaje junto a otros robots. La pregunta que sigue abierta es cuánto tiempo pasará antes de que esta inteligencia de cuerpo completo se traduzca en robots capaces de operar de forma confiable y segura junto a trabajadores humanos, sin supervisión constante, en fábricas, depósitos y eventualmente hogares.
AI1 año ago
Nano1 año ago
AI10 meses ago
AI1 año ago