La nova frontera de la robòtica industrial: dades, plataformes obertes i Physical AI

Els robots deixen de ser màquines aïllades i es converteixen en sistemes capaços de percebre, aprendre, decidir i actuar sobre el món físic.

Durant els darrers anys, la intel·ligència artificial ha avançat principalment dins del món digital: interpreta textos, imatges, converses i grans volums de dades. El pas següent és portar aquesta capacitat al món físic.

La combinació d’intel·ligència artificial, robots, sensors, vehicles autònoms i sistemes industrials està donant lloc al que es coneix com a Physical AI o intel·ligència artificial física: sistemes capaços de percebre l’entorn, prendre decisions i executar accions sobre objectes, processos i espais reals.

Les sessions de Botiful.ai, PAL Robotics i LAAS, Agibot i KUKA en el marc de Viva Technology ens van permetre identificar quatre canvis profunds: el valor es desplaça del maquinari cap al programari i les dades; els robots aprenen a interactuar de manera segura amb les persones; les plataformes obertes substitueixen les illes d’automatització; i el llenguatge natural comença a convertir-se en una nova interfície per controlar sistemes físics.

Per als socis industrials d’INDPULS, no es tracta només d’anticipar quan arribaran els robots humanoides. Es tracta d’entendre quina infraestructura, quins casos d’ús i quines capacitats cal començar a construir perquè la nova robòtica pugui generar valor real.

1. El valor es desplaça del cos al cervell del robot

Botiful.ai parteix de la idea que el maquinari dels robots humanoides acabarà estandarditzant-se i serà produït a gran escala pels grans fabricants, especialment asiàtics. Per aquest motiu, l’empresa no concentra els esforços a fabricar el robot, sinó a desenvolupar-ne el “cervell”.

Aquest cervell inclou la intel·ligència artificial conversacional, la comprensió del llenguatge, la presa de decisions, la integració amb sistemes empresarials i la navegació autònoma. L’objectiu és que el robot no es limiti a parlar, sinó que pugui entendre una petició, consultar informació corporativa i executar una acció.

En una demostració aplicada a la recepció d’un hotel, el robot podia donar la benvinguda al client, localitzar la reserva, verificar-ne la identitat mitjançant document oficial i reconeixement facial, assignar una habitació i enviar el codi d’accés al telèfon mòbil. Tot el procés es desenvolupava a través d’una interacció natural.

L’aspecte més rellevant no és l’aparença humanoide. És la integració amb aplicacions que l’empresa ja utilitza, com Salesforce o altres plataformes de gestió. El robot deixa de ser un assistent conversacional i es converteix en una nova interfície d’accés als processos de negoci.

Botiful.ai també desenvolupa capacitats de localització i mapatge —SLAM— perquè els robots es puguin desplaçar de forma autònoma en espais interiors, evitar obstacles i interactuar amb les persones de manera segura.

Aquesta aproximació introdueix una primera conclusió: les prestacions mecàniques continuaran sent importants, però el valor diferencial es concentrarà cada vegada més en la capacitat del robot per entendre el context, connectar-se amb dades i sistemes, executar processos i aprendre.

2. De l’automatització rígida a la col·laboració física segura

La robòtica industrial tradicional ha estat dissenyada principalment per repetir moviments precisos dins d’espais separats de les persones. La nova generació de robots busca compartir l’entorn amb els operaris i adaptar-se al contacte físic.

PAL Robotics i LAAS treballen amb sistemes basats en control de parell —torque control—, una tecnologia que permet regular contínuament la força aplicada sobre un objecte o una persona. En lloc de seguir únicament trajectòries rígides, el robot pot reaccionar al contacte i ajustar el moviment en temps real.

Aquesta capacitat fa possible abordar operacions que requereixen sensibilitat, precisió i adaptació. La tecnologia ja s’està aplicant en processos industrials exigents, com el treball sobre peces aeronàutiques d’Airbus.

La demostració del robot humanoide TALOS, desenvolupat per PAL Robotics, mostra aquesta evolució. El robot està pensat per a aplicacions industrials i pot moure’s de manera autònoma en entorns compartits amb persones, amb la seguretat com a criteri central del desenvolupament.

Els avenços no són només algorítmics. També s’estan desenvolupant nous sistemes d’accionament mecànic per suportar càrregues més elevades i reduir els problemes d’escalfament dels motors que limiten molts robots actuals.

Paral·lelament, el reinforcement learning està accelerant la locomoció. Segons els ponents, tasques que amb tècniques clàssiques podien requerir diversos anys de desenvolupament es poden assolir aproximadament en un any mitjançant aprenentatge automàtic.

3. Els estàndards oberts acceleren l’ecosistema

PAL Robotics, LAAS i KUKA comparteixen l’aposta per ROS2, un dels principals estàndards oberts de la robòtica moderna. Treballar sobre una base comuna facilita que investigadors, empreses i desenvolupadors construeixin noves aplicacions sense haver de crear tota la infraestructura des de zero.

La interoperabilitat redueix els temps de desenvolupament i evita que cada fabricant construeixi un ecosistema completament tancat. També permet incorporar més ràpidament nous sensors, models d’intel·ligència artificial, eines de simulació o aplicacions desenvolupades per tercers.

A Europa, aquesta filosofia forma part de la voluntat de construir un ecosistema propi de robòtica. Projectes com HyQReal, AgileX o T-REX, en el marc de France 2030, connecten universitats, centres de recerca i empreses per competir amb els grans actors nord-americans i asiàtics.

La velocitat del canvi fa cada vegada menys realista que una sola companyia pugui desenvolupar totes les capacitats. El futur apunta cap a arquitectures obertes en què fabricants, integradors, centres de recerca i empreses usuàries comparteixen components i coneixement.

4. Les dades poden ser el principal avantatge competiti

Agibot aporta una perspectiva diferent sobre la robòtica humanoide. La companyia xinesa, fundada a Shanghai, disposa d’un catàleg ampli: robots humanoides, equips específics per a fàbriques, robots de neteja industrial i quadrúpedes per a inspeccions de seguretat, intervencions en zones de desastre o transport de materials en entorns perillosos.

Aquests robots combinen mobilitat amb models d’IA generativa allotjats al núvol, que els permeten mantenir converses naturals. Però el plantejament més significatiu de l’empresa és el seu model d’aprenentatge.

Cada robot desplegat captura informació sobre moviments, interaccions, errors, entorns i tasques. Aquestes dades alimenten contínuament els grans models d’intel·ligència artificial de la plataforma i milloren el comportament del conjunt dels robots.

Es crea així un cercle d’acceleració: més robots generen més dades; les dades permeten entrenar millor la IA; i una IA millor fa que els robots siguin més útils, fet que n’afavoreix el desplegament.

Segons Agibot, la companyia va ser el 2025 el fabricant que va lliurar més robots humanoides a escala mundial. Més enllà de la xifra declarada, el missatge estratègic és clar: la capacitat d’escalar desplegaments permet acumular dades reals amb una velocitat difícil d’igualar.

Això ajuda a entendre l’avantatge que pot generar el model xinès. La cursa no la guanyarà necessàriament qui fabriqui puntualment el robot amb millors prestacions, sinó qui sigui capaç d’entrenar la millor intel·ligència a partir del volum i la diversitat de dades del món físic.

Agibot reconeix, alhora, que l’entrada als mercats occidentals dependrà de la col·laboració amb integradors locals i socis europeus. La tecnologia necessita un ecosistema que l’adapti als processos, la regulació i les expectatives de cada mercat.

5. De les illes d’automatització a una plataforma comun

KUKA parteix d’un problema present en pràcticament totes les fàbriques: els sistemes d’automatització s’han incorporat durant anys de manera independent. Robots, PLC, cèl·lules i vehicles autònoms utilitzen eines, llenguatges i dades diferents. El resultat són illes d’automatització amb poca interoperabilitat i integracions costoses.

La seva Automation Management Platform —AMP— aspira a crear una capa comuna per controlar robots, vehicles mòbils autònoms, cèl·lules robotitzades, PLC i, en el futur, robots humanoides, independentment del fabricant.

L’objectiu no és substituir cada sistema, sinó orquestrar-los. La plataforma es construeix sobre ROS2 i es planteja com una infraestructura oberta a robots d’altres fabricants i a agents d’intel·ligència artificial desenvolupats per tercers, inclosos actors com NVIDIA, OpenAI o Google.

Aquest plantejament assenyala un canvi important: els robots poden acabar convertint-se en components relativament estandarditzats, mentre que el valor es concentra en el programari capaç de coordinar-los, gestionar-los i fer-los aprendre conjuntament.

6. De programar moviments a definir intencions

AMP introdueix un model basat en operacions per intenció —intent-based operations—. En lloc de programar detalladament cada moviment, l’usuari defineix què vol aconseguir: transportar un palet, alimentar una línia o executar una operació logística. La plataforma converteix aquesta intenció en accions concretes adaptades als equips disponibles.

Aquesta capa pot reduir la necessitat de programació específica i facilitar que la intel·ligència artificial planifiqui processos físics. També anticipa una nova interfície per a la fàbrica: els operaris podrien donar instruccions en llenguatge natural i deixar que el sistema les tradueixi en accions coordinades entre diferents màquines.

No significa eliminar el coneixement tècnic, sinó canviar el nivell en què s’expressen les instruccions. La complexitat es desplaça cap a la plataforma, els models i la governança del sistema.

7. El bessó digital com a infraestructura d’aprenentatge

La plataforma de KUKA integra un bessó digital de la fàbrica que reflecteix en temps real el seu estat i permet simular escenaris abans d’executar-los. Sobre aquest model virtual es poden incorporar analítica basada en IA, detecció d’anomalies, manteniment predictiu i consultes en llenguatge natural.

El bessó digital no funciona només com una representació visual. Es converteix en una font de veritat comuna sobre la qual els sistemes poden planificar, comparar opcions i aprendre.

L’exemple de la gestió de flotes d’AMRs mostra l’impacte de la centralització. Actualitzar el mapa d’una fàbrica amb cinquanta robots podia requerir connectar-se individualment a cada equip mitjançant una memòria USB i allargar-se durant setmanes. Amb AMP, l’actualització es pot distribuir simultàniament a tota la flota amb un sol clic i completar-se en menys d’una hora.

Les dades generades pels robots alimenten el bessó digital i els models d’IA. Es crea un cicle permanent de captura de dades, simulació, entrenament i desplegament: un flywheel d’innovació que permet millorar progressivament els processos.

8. Què implica la Physical AI per a les empreses industrials?

La intel·ligència artificial física no es podrà desplegar a escala sobre una infraestructura industrial fragmentada. Els robots necessitaran dades consistents, connectivitat, sistemes interoperables i una representació actualitzada de l’entorn.

Preparar-se no significa necessàriament començar comprant un robot humanoide. Pot significar ordenar les dades de planta, connectar actius, revisar els estàndards d’integració, avançar en bessons digitals, reforçar la ciberseguretat o identificar processos susceptibles d’automatització.

També cal analitzar les tasques, no només els llocs de treball. Les primeres oportunitats probablement es trobaran en operacions repetitives, perilloses, ergonòmicament exigents o difícils de cobrir per manca de personal.

La Physical AI connectarà sensors, IA generativa, robots col·laboratius, humanoides, vehicles autònoms i sistemes de control sobre una mateixa infraestructura de dades. L’empresa haurà de decidir com governa aquesta infraestructura, quins sistemes poden prendre decisions i com es manté la supervisió humana.

9. Una agenda compartida per a INDPULS

Els aprenentatges de Viva Technology obren una línia de treball concreta per a INDPULS. Una primera oportunitat és crear un espai específic sobre IA física i robòtica intel·ligent en què els socis identifiquin casos d’ús industrials i comparteixin necessitats.

Aquest treball podria començar amb una pregunta molt pràctica: quines tasques repetitives, perilloses o afectades per manca de personal podrien automatitzar-se amb robots col·laboratius, sistemes mòbils o, més endavant, robots humanoides?

Una segona oportunitat és impulsar un radar internacional de robòtica que segueixi startups, fabricants i centres de referència d’Europa, la Xina, Corea del Sud i els Estats Units. L’objectiu no seria només detectar novetats, sinó entendre quines tecnologies estan madurant, quines ja tenen desplegaments reals i quines poden generar avantatges competitius.

El coneixement compartit entre empreses és especialment important en aquest àmbit. Els pilots de robòtica exigeixen integració, seguretat, dades i canvis operatius. Compartir els resultats, les dificultats i els criteris de decisió pot reduir la incertesa i evitar que cada empresa hagi de recórrer el mateix camí des de zero.

Del món digital al món físic

Fa uns anys parlàvem de transformació digital. Més recentment, la IA generativa ha canviat la manera com interactuem amb la informació. El següent gran pas pot ser la integració d’aquesta intel·ligència amb màquines capaces d’actuar sobre el món real.

La robòtica del futur no consistirà només a incorporar una nova màquina a un procés existent. Implicarà connectar programari, dades, persones i sistemes físics en una infraestructura capaç d’aprendre.

Per a la indústria, el repte no és esperar que la tecnologia estigui completament resolta. És començar a preparar les dades, els processos, els equips i les aliances que faran possible adoptar-la amb criteri quan els casos d’ús siguin madurs.

En aquesta transició, la col·laboració entre empreses industrials, startups, fabricants, integradors i centres de recerca serà tan important com el desenvolupament dels robots mateixos.