ASUS presentó a Gallop, su primer robot humanoide, con una exigente meta de embalaje en una fábrica del grupo: preparar 15 accesorios de placas base con 99,5% de éxito en 20 segundos por placa. La compañía aún no reporta que el robot haya alcanzado esos parámetros; sus próximos pilotos deberán probar si el aprendizaje a partir de trabajadores expertos se sostiene en el ritmo cotidiano de producción.
***

• Gallop practica el embalaje de 15 accesorios de placas base; ASUS fija como objetivo 99,5% de éxito en 20 segundos por placa.
• La empresa entrena al robot con demostraciones de trabajadores, simulación y sesiones guiadas con visor de realidad virtual y guantes.
• ASUS prevé pilotos con clientes en 2027 y disponibilidad comercial en la segunda mitad de 2028, condicionados a resultados repetibles.

ASUS prueba a Gallop con una meta de embalaje a ritmo humano

Una meta exigente, todavía por demostrar

ASUS presentó el 13 de noviembre de 2026 a Gallop, su primer robot humanoide, mientras aprende una tarea de embalaje en una fábrica de electrónica del grupo. El objetivo consiste en preparar 15 accesorios de placas base con una tasa de éxito de 99,5% y completar cada placa en 20 segundos, un estándar que la compañía también aplica a las personas que realizan ese trabajo. Las cifras describen una meta de rendimiento, no un resultado que ASUS haya informado como alcanzado.

La estación elegida pone a prueba una dificultad concreta: varios de los componentes vienen dentro de bolsas transparentes y delgadas, materiales que pueden resultar complicados para una pinza sencilla. ASUS escogió ese trabajo para evaluar si Gallop puede asumir la mayor parte del proceso sin que una persona deba permanecer continuamente a su lado. La prueba se realiza en una línea propia, no en un espacio industrial alquilado para una demostración.

El contexto importa porque una demostración controlada no equivale a un despliegue diario en una fábrica. En esta etapa, ASUS afirma que ya funciona el ciclo de enseñar la tarea, permitir que el robot la aprenda y luego probarlo en la línea de producción. El siguiente desafío será sostener la calidad y el ritmo ante las variaciones habituales de una jornada, sin confundir el objetivo anunciado con una capacidad ya comprobada.

La unidad de negocio de Robótica Humanoide, dentro del Grupo de Soluciones de IA Física de ASUS, comenzó el programa a principios de 2026. La compañía presenta la forma humanoide como una manera de operar en estaciones, bandejas y herramientas concebidas para personas, lo que podría evitar rediseñar por completo esos espacios. A la vez, reconoce que no todas las tareas necesitan un robot humanoide, una salvedad relevante para entender el alcance que plantea.

Aprender de quienes conocen la estación

En lugar de desarrollar desde cero un gran modelo de inteligencia artificial, ASUS parte de modelos abiertos y los adapta a la tarea. Trabajadores experimentados, con su consentimiento, usan cámaras montadas en la cabeza para registrar cómo ejecutan el trabajo en la estación real. Esas demostraciones aportan información sobre el orden de los movimientos y sobre las piezas específicas que Gallop debe manipular, en vez de depender únicamente de una instrucción general.

Después, la simulación genera variaciones de los ejemplos registrados, y un operador guía al robot durante la práctica con un visor de realidad virtual y guantes. ASUS señala que el entrenamiento utiliza las mismas piezas y cámaras que se encuentran en la estación real, un diseño que busca acercar el aprendizaje a las condiciones concretas de producción. Una vez que Gallop se despliega, las grabaciones de su actividad también vuelven al proceso de entrenamiento.

La empresa sostiene que su ventaja está en reunir datos de estaciones reales, componentes específicos y reglas de calidad propias de la fabricación electrónica. Sus fábricas de servicios de manufactura le permiten ensayar allí, en vez de depender de instalaciones que otras compañías de robótica suelen alquilar. Ese acceso facilita probar el sistema en el entorno para el que fue pensado, aunque por sí solo no demuestra que el robot vaya a cumplir la meta anunciada.

El enfoque también sitúa a los trabajadores como instructores y futuros supervisores del sistema, según el planteamiento de ASUS. La compañía dice que quienes enseñen al robot podrían pasar a configurar, vigilar y mejorar su funcionamiento. Esa propuesta no elimina la incertidumbre sobre cómo evolucionará la organización del trabajo: por ahora, la prioridad de los pilotos será comprobar si las demostraciones expertas y los datos de cada estación producen resultados consistentes durante la operación cotidiana.

Cuatro capas para planificar, actuar y corregir

El software de Gallop se organiza en cuatro capas. Un planificador interpreta la escena y divide la tarea en pasos; luego, un supervisor de inteligencia artificial revisa cada paso y puede volver a planificar si surge un problema. Así, ASUS separa la toma de decisiones de alto nivel de la ejecución física, aunque la fuente no detalla resultados de rendimiento para cada componente del sistema.

Una tercera capa reúne las habilidades necesarias para alcanzar, agarrar y colocar objetos, mientras que la cuarta controla con precisión los brazos y las manos y los detiene si algo falla. ASUS diseñó interfaces fijas entre las capas para poder cambiar los modelos de inteligencia artificial sin reconstruir el robot. Esa arquitectura modular busca dar margen para actualizar el software manteniendo una estructura común entre la planificación y el movimiento.

El sistema funciona en un solo ordenador NVIDIA Jetson AGX Thor instalado dentro de Gallop y utiliza software estándar de robótica. ASUS diseña internamente el cuerpo y una mano diestra con sensores táctiles, pero recurre a socios consolidados para los motores y otros componentes estándar. Esa combinación de desarrollo propio y piezas de terceros describe la configuración técnica anunciada, no una garantía de que el hardware ya esté listo para la comercialización.

El Gallop que ASUS usa actualmente tiene una base fija y dos brazos, una configuración orientada a tareas estacionarias de recogida y colocación. La mano propia con sensores táctiles aún no está integrada, por lo que el robot que practica el embalaje no reúne todavía todos los elementos previstos para su versión posterior. La distinción es importante: la compañía presentó un programa en evolución y no un producto terminado listo para cubrir cualquier labor industrial.

Pilotos en 2027 y comercialización prevista para 2028

ASUS planea integrar la mano propia, añadir ruedas y mostrar Gallop a clientes en Computex 2027. También prevé realizar pilotos con clientes durante ese año, con el propósito de evaluar el robot fuera de la etapa inicial de aprendizaje en sus propias instalaciones. CNBC informó que ASUS prevé entregar Gallop a sus socios en la segunda mitad de 2027 y llevarlo al mercado en 2028, según su nota “ASUS announces first humanoid robot: Gallop”. La compañía sitúa el objetivo comercial en la segunda mitad de 2028, un calendario que vincula a la maduración del proyecto y a la validación de su desempeño.

La fabricación de electrónica es el primer mercado que ASUS contempla para Gallop, con tareas repetitivas y físicamente exigentes como objetivo. La compañía plantea que las habilidades de recogida y colocación aprendidas en una estación podrían transferirse a otras, y menciona hospitales y lugares de servicio como posibles usos posteriores. Esas aplicaciones aparecen como posibilidades futuras, no como despliegues ya anunciados ni como capacidades demostradas en esos entornos.

ASUS afirma que no concibe el robot como un reemplazo de los trabajadores, sino como apoyo para puestos repetitivos y difíciles de cubrir con personal. En su planteamiento, las personas que enseñen a Gallop podrían encargarse de configurar, supervisar y mejorar robots. Esa es la posición expresada por la compañía; el material disponible no aporta datos sobre puestos, condiciones laborales o resultados de una implementación que permitan medir el efecto concreto sobre el empleo.

Los pilotos deberán mostrar si el robot mantiene el ritmo y la calidad durante la operación diaria, y no solo si completa una demostración de entrenamiento. La compañía ha convertido la repetibilidad en una condición para ampliar el uso de Gallop: el aprendizaje funcional es apenas el punto de partida. Si las pruebas no sostienen los objetivos de éxito y tiempo en circunstancias normales de fábrica, la meta de trabajar a ritmo humano seguirá siendo una aspiración, no una validación industrial.

ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín