En el CES 2026, el debate sobre robótica ha cambiado discretamente. Menos gente se pregunta si los robots pueden moverse más rápido o levantar objetos más pesados. Cada vez más se preguntan algo más complejo: ¿por qué los robots siguen teniendo dificultades fuera de las demostraciones controladas y qué les falta para que sean fiables en el mundo real?
Para muchos en la industria, la respuesta son los datos. No datos sintéticos ni movimientos programados, sino datos de interacción real que capturan cómo se comportan los objetos al tocarlos, empujarlos, apretarlos o moverlos.
Ese es el problema que Daimon Robotics intenta abordar con el DM-EXton2, un sistema de adquisición de datos basado en teleoperación presentado en el CES de este año. No es un producto de consumo. Es una herramienta profesional diseñada para ayudar a los robots a aprender de la interacción humana a gran escala.
Los robots no son tontos, son inexpertos
Los avances recientes en IA han mejorado drásticamente la percepción, la comprensión del lenguaje y el razonamiento. Sin embargo, la interacción física sigue siendo un punto débil. Un robot puede reconocer un objeto a la perfección y, aun así, fallar cuando se le pide que lo recoja, lo inserte o lo manipule de forma segura.
La razón es sencilla: el mundo físico es caótico. La fuerza, la fricción, la deformación y el contacto cambian constantemente, y esas señales son difíciles de captar con precisión. La mayoría de los robots simplemente no han visto suficientes datos como estos.
Los métodos tradicionales de recopilación de datos presentan desventajas. Los entornos de captura dedicados son costosos y laboriosos, y aun así producen datos reutilizables limitados. La simulación es más económica, pero la brecha entre la física virtual y la realidad a menudo genera modelos que funcionan en el laboratorio y fallan en la práctica.
Peor aún, muchos sistemas existentes interfieren con el mismo comportamiento que intentan registrar. Los equipos voluminosos restringen el movimiento natural, mientras que la detección limitada no capta la fuerza sutil ni las señales táctiles que los humanos utilizan instintivamente.
Qué hace realmente un sistema robótico de adquisición de datos
Un sistema de adquisición de datos basado en teleoperación aborda el problema de forma diferente.
Basándose en los enfoques tradicionales de teleoperación, un sistema de adquisición de datos basado en teleoperación registra datos de interacción en tiempo real con mayor consistencia en múltiples señales. Un operador humano controla remotamente un robot para realizar tareas reales (agarrar objetos, insertar componentes o manipular herramientas) mientras el sistema captura simultáneamente datos de movimiento, tiempo, contacto y fuerza.
En efecto, el robot aprende observando y sintiendo cómo un humano realiza su trabajo. Cuanto más se acerque esta configuración al comportamiento humano natural, más útiles serán los datos resultantes.
Creado para datos del mundo real, no para demostraciones
El DM-EXton2 es el primer sistema de teleoperación con retroalimentación háptica del mundo para la adquisición de datos robóticos, diseñado para capturar datos de interacción de alta calidad de tareas del mundo real.
Su diseño prioriza la capacidad de respuesta y la flexibilidad de implementación, más que las especificaciones de un dispositivo portátil. Al operar a una velocidad de respuesta de 1000 Hz, el sistema permite una sincronización de comandos de milisegundos que facilita una teleoperación fluida y de baja latencia durante la recopilación de datos.
También admite la teleoperación de cuerpo completo, incluyendo el control coordinado de bases móviles y articulaciones de la cintura, ampliando así la gama de tareas que se pueden capturar. Junto con el escalado adaptativo del movimiento y la rápida conmutación de efectores finales, estas capacidades permiten que un solo sistema admita tanto la manipulación precisa como movimientos de amplio alcance sin interrumpir el proceso de recopilación de datos.
Para adaptarse a diferentes entornos de trabajo, el DM-EXton2 está disponible en dos configuraciones: una versión de mochila, ideal para configuraciones móviles de captura de datos, y una versión de soporte, diseñada para estaciones de trabajo fijas. Esto permite a los operadores elegir el formato que mejor se adapte a su flujo de trabajo, ya sea que los datos se capturen en espacios dinámicos o en entornos estables y repetibles.
Poniendo fuerza y tacto en el bucle
Donde más se destaca el DM-EXton2 es en la combinación de retroalimentación de fuerza del lado del operador con detección táctil para la recopilación de datos.
El sistema integra estas capacidades de fuerza en un marco de teleoperación más amplio, lo que permite una manipulación más natural y precisa durante la recopilación de datos. A medida que el robot interactúa con su entorno, las fuerzas de contacto se transmiten al operador en tiempo real. Tareas como la manipulación de objetos frágiles o la realización de inserciones precisas se vuelven más intuitivas, incluso con la visión del robot parcialmente obstruida.
No se trata solo de mejorar la experiencia de control del operador. A nivel de robot, las señales de fuerza y táctiles se registran junto con los datos de movimiento, creando conjuntos de datos multimodales que reflejan cómo los humanos interactúan realmente con los objetos. Estos datos son cruciales para enseñar a los robots no solo a moverse, sino también a evaluar el contacto y adaptarse a las limitaciones físicas.
De experimentos aislados al aprendizaje repetible
Al sincronizar el movimiento, la fuerza y el tacto, el DM-EXton2 actúa como un puente entre la habilidad humana y el aprendizaje automático. La intuición humana se convierte en datos estructurados que los robots pueden aprender, reutilizar y aplicar en diversas tareas.
Ese cambio es importante. En lugar de recopilar pequeños conjuntos de datos específicos para cada tarea, los equipos pueden crear canales continuos para la generación de datos. Con el tiempo, esto facilita un entrenamiento de modelos más rápido y una implementación más fiable.
Cerrando el círculo
El sistema también se integra en un cambio más amplio en el desarrollo de robots. La recopilación de datos, el entrenamiento de modelos y la implementación ya no son etapas separadas. Cada vez más, forman un ciclo.
Los datos de interacción de alta calidad se incorporan a modelos multimodales, incluyendo marcos de visión, tacto, lenguaje y acción, que mejoran el comportamiento del robot. El uso en situaciones reales genera nuevos datos que refinan el siguiente ciclo de entrenamiento.
Para que ese ciclo funcione, los datos deben circular libremente. La estandarización y la compatibilidad no son requisitos deseables; son prerrequisitos.
¿Dónde encaja Daimon Robotics?
Daimon Robotics se centra en las tecnologías que facilitan el aprendizaje robótico, en lugar de construir robots completos. Su trabajo abarca la detección táctil, el hardware de manipulación diestra y los sistemas de teleoperación diseñados para la recopilación de datos a gran escala.
La empresa se incubó en la Universidad de Ciencia y Tecnología de Hong Kong y fue fundada por el profesor Yu Wang, director fundador del Instituto de Robótica de la HKUST, junto con el Dr. Jianghua Duan. El equipo combina la investigación académica con la experiencia en la implementación de tecnología robótica más allá del laboratorio.
Dentro de este enfoque, el DM-EXton2 es un componente clave de la estrategia "3D" de Daimon Robotics: Dispositivo, Datos e Implementación. Basándose en el enfoque a largo plazo de la compañía en la detección táctil y la manipulación diestra, el sistema ayuda a convertir los datos de fuerza y tacto en información útil para modelos de aprendizaje avanzados, impulsando el progreso hacia una capacidad robótica más general.
Por qué esto es importante
A medida que los robots se acercan a los entornos cotidianos, el progreso dependerá menos de algoritmos inteligentes y más de si las máquinas pueden aprender del mundo físico en el que operan.
El DM-EXton2 no promete autonomía instantánea. En cambio, sirve como puente fundamental, permitiendo guiar a los robots en tareas del mundo real para que puedan capturarse datos de interacción de alta calidad como base para capacidades más generales.
Puede obtener más información sobre Daimon Robotics a través de su sitio web corporativo , su perfil de LinkedIn y su cuenta de YouTube .
El nuevo sistema de adquisición de datos de Daimon Robotics aporta inteligencia háptica a la teleoperación de robots apareció primero en Digital Trends .