Entrenador de Robots Humanoides — Datos e IA Encarnada

De qué se trata

El cuello de botella de la robótica humanoide ya no es el hardware. Entre 2023 y 2026 se volvieron accesibles las plataformas humanoides funcionales, los brazos de investigación y los kits de teleoperación abiertos. Lo que no se puede comprar es el dataset: para que una política aprenda una tarea de manipulación con robustez hacen falta del orden de cientos a miles de demostraciones, con variación de iluminación, posición de objetos, distractores y operadores. Cada demostración la produce una persona; después alguien la revisa, la recorta, la sincroniza, la etiqueta, marca si fue éxito o fracaso y por qué, y la documenta. Ese trabajo de producción, curaduría, anotación y control de calidad es el insumo escaso de toda la industria. Como referencia pública, el esfuerzo colaborativo Open X-Embodiment (2023) reunió datos de decenas de laboratorios para llegar al orden de magnitud de un millón de trayectorias sobre más de veinte cuerpos distintos: una cifra pequeña frente a los billones de tokens con los que se entrena un modelo de lenguaje.

La cadena de producción de datos robóticos tiene cinco estaciones: diseño de protocolo, teleoperación y grabación, curaduría y anotación, entrenamiento y evaluación. Este curso te entrena para las cuatro últimas, con foco práctico en curaduría, entrenamiento y evaluación. Son nueve módulos y cada uno trae una lección escrita a fondo, una práctica guiada paso a paso, materiales con código completo y comentado, y una evaluación con respuestas explicadas. Empiezas ejecutando tu primer humanoide simulado en Google Colab; abres el modelo de un humanoide comercial en MuJoCo y haces el inventario de sus articulaciones, actuadores y sensores; grabas 30 episodios de demostración con un teleoperador sintético aplicando un protocolo escrito por ti; cargas, auditas y anotas un dataset público real con LeRobot; limpias, normalizas y aumentas datos con criterio físico; entrenas una política de behavior cloning y mides su tasa de éxito; entras en aprendizaje por refuerzo y en el problema de sim-to-real; estudias los modelos visión-lenguaje-acción; y cierras con un proyecto final completo.

Todo el curso se completa en simulación, sin robot físico: MuJoCo y Gymnasium para simulación, Hugging Face LeRobot para el formato de dataset y las políticas, PyTorch para el entrenamiento y datasets públicos del Hub, ejecutables en Google Colab gratuito o en cualquier laptop con Python. Al terminar el Módulo 9 te llevas tres artefactos concretos: un dataset documentado con protocolo de grabación, guía de anotación versionada y estadísticas de contenido; una política entrenada con su curva de entrenamiento, sus hiperparámetros registrados y su comparación contra una línea base; y un informe de evaluación reproducible con tasa de éxito sobre N ejecuciones, desglose de modos de fallo, ablaciones y una sección honesta de limitaciones. Eso es exactamente lo que un equipo pide en una prueba técnica.

Programa

1. IA encarnada: por qué los datos son el cuello de botellaQué distingue a un sistema encarnado de un modelo de lenguaje, por qué la industria apostó por la forma humanoide y dónde está el trabajo contratable; corres tu primer humanoide simulado en Colab.
2. Anatomía de un humanoide: actuadores, sensores y cómputoActuadores, propiocepción, IMU, cámaras RGB-D y tacto; abres el modelo de un humanoide comercial en MuJoCo y haces el inventario de su hardware sin tocarlo.
3. Teleoperación: cómo se produce una demostraciónVR, líder-seguidor, captura de movimiento y enseñanza kinestésica; escribes un protocolo reproducible y grabas 30 episodios con un teleoperador sintético.
4. Datos multimodales: episodios, sincronización y anotaciónJerarquía dataset-episodio-cuadro, formatos LeRobot, RLDS y rosbag2, sincronización temporal y el esquema de anotación que la industria paga.
5. Limpieza, normalización y aumentación de datos robóticosDetección de outliers de sensor, relleno de huecos, normalización por dimensión sin fugas de información y aumentación con criterio físico.
6. Aprendizaje por imitación: behavior cloning, DAgger y políticas de difusiónDe la línea base más simple a las arquitecturas que la industria usa hoy; entrenas una política y mides su tasa de éxito real.
7. Aprendizaje por refuerzo y sim-to-realCuándo el refuerzo supera a la imitación, cómo se diseña una recompensa que no se pueda explotar y qué hace falta para cruzar de la simulación al robot.
8. Modelos VLA, carrera remota y ética del trabajo con datosModelos visión-lenguaje-acción, los roles que existen realmente, cómo se ve un portafolio contratable desde América Latina y las responsabilidades éticas del oficio.
9. Proyecto final: entrenar, evaluar y documentar como un laboratorioRecolectas el dataset, entrenas la política, la evalúas con ablaciones e intervalos de confianza y publicas la documentación con el estándar de un laboratorio real.

Qué incluye

• 9 módulos completos, cada uno con lección a fondo, práctica guiada paso a paso, materiales y evaluación con respuestas explicadas.
• 9 videoclases que acompañan cada módulo, con demostración en pantalla del código ejecutándose.
• Código completo y comentado en Python: simulación, grabación de demostraciones, auditoría de datasets, limpieza y normalización, entrenamiento de políticas por imitación y evaluación con intervalos de confianza.
• Plantillas profesionales listas para usar: protocolo de teleoperación, ficha de configuración de sensores, guía de anotación versionada, esquema de metadatos de episodio, plantilla de informe de evaluación y datasheet de dataset.
• Cuadernos de Colab preconfigurados, con dependencias fijadas por versión para que ninguna práctica se caiga por un cambio de biblioteca.
• Guía de portafolio y prueba técnica: cómo publicar tus tres artefactos y cómo defender tus decisiones de curaduría.
• Proyecto final guiado que produce los tres artefactos de portafolio: dataset documentado, política entrenada e informe de evaluación reproducible.
• Certificado de finalización de Digital Economy Lab.
• Acceso a la comunidad privada del curso con soporte del autor.
• Actualizaciones gratuitas durante 12 meses y acceso de por vida al contenido.

Preguntas frecuentes

Nota honesta

No te vamos a decir que vas a pilotear robots desde tu casa, ni que al terminar tendrás un empleo esperándote: ningún curso puede garantizar contratación ni ingresos. Lo que sí es verificable es que el trabajo de datos (teleoperación, curaduría, anotación, entrenamiento y evaluación de políticas) es el insumo escaso de la industria, que se ejecuta en gran medida frente a una computadora y es deslocalizable, y que se puede aprender entero en simulación sin gastar en hardware. Los datos de mercado, precios de plataformas y rangos de remuneración que aparecen en el curso están marcados como estimaciones a la fecha de edición (2026): este sector cambia cada trimestre, verifícalos antes de tomar decisiones. Lo que te llevas no es un diploma, es evidencia: un dataset documentado, una política entrenada y un informe de evaluación reproducible.