DeepMind anunció el 10 de noviembre que sus robots humanoides Apollo 2, fabricados por Apptronik, completaron un piloto en las líneas de producción de Mercedes-Benz en Alemania y Hungría, con una tasa de éxito informada del 96% en la clasificación de piezas automotrices. La prueba se centró en el proceso de kitting: organizar componentes desde contenedores a granel en bandejas que coincidan con la secuencia exacta necesaria para cada vehículo, marcando uno de los primeros despliegues en el mundo real de humanoides impulsados por IA para trabajos repetitivos de fábrica.

Detalles del piloto y pila tecnológica

Según CryptoSlate, el piloto se llevó a cabo en la planta de Sindelfingen en Alemania y la instalación de Kecskemét en Hungría. Los robots utilizaron el modelo Gemini Robotics 2.5 de DeepMind para controlar los brazos y las manos, mientras que un sistema separado Gemini Robotics ER rastreaba el flujo de trabajo. La tarea implicaba recoger soportes metálicos y colocarlos en contenedores de secuenciación, un paso que alimenta directamente la línea de ensamblaje del vehículo.

Afirmaciones de rendimiento y preguntas abiertas

DeepMind destacó la cifra de éxito del 96%, pero no definió la métrica: si se refiere a tomas individuales, bandejas completadas u otra unidad. La empresa también omitió datos sobre tasas de intervención humana, tiempos de ciclo, rendimiento por turno o costos operativos, dejando a los fabricantes sin una imagen completa de la utilidad práctica de los robots.

Contexto de la industria y perspectivas futuras

Jeff Cardenas, CEO de Apptronik, dijo que los robots mostraron mejoras tras unas pocas semanas de entrenamiento posterior y se transfirieron a las líneas de Mercedes con poca caída de rendimiento. La asociación entre DeepMind y Apptronik data de marzo de 2024, cuando las empresas exploraron por primera vez el uso de la plataforma original Apollo para tareas como la inspección de componentes y el transporte de contenedores. El piloto actual sugiere que los humanoides podrían manejar trabajos físicamente exigentes y repetitivos en diseños de fábrica existentes, evitando potencialmente rediseños costosos de las plantas.

Qué observar a continuación

Los observadores estarán atentos a datos adicionales de DeepMind sobre productividad por turno, frecuencia de intervención humana y análisis de costos. Pilotos adicionales con otros OEM o tareas ampliadas podrían aclarar si la IA de humanoides puede escalar más allá de la demostración de concepto para convertirse en un elemento estándar de la fabricación automotriz.

Preguntas frecuentes